总的来说，人们使用Python是因为它方便和程序员友好，而不是因为它速度快。过多的第三方库而业界对Python的广泛支持大大弥补了它的不足没有Java或C的原始性能．开发速度优先于执行速度。
但在很多情况下，这并不一定是非此即非的命题。经过适当优化，Python应用程序可以以惊人的速度运行——也许Java或C不够快，但对于Web应用程序、数据分析、管理和自动化工具以及大多数其他用途来说已经足够快了。您可能实际上忘记了您是在用应用程序性能换取开发人员的生产力。
优化Python性能并不取决于任何一个因素。相反，它是关于应用所有可用的最佳实践，并选择最适合当前场景的最佳实践。(Dropbox的人有一个最令人瞠目的例子Python优化的威力。)
在本文中，我将概述许多常见的Python优化。有些是临时的度量，只需要从一个条目切换到另一个条目(比如改变Python解释器)，但是那些带来最大回报的度量将需要更详细的工作。
1.测量,测量,测量
正如老话所说，你不能错过你没有衡量的东西。同样地，如果不找出真正的慢在哪里，就无法找出任何给定的Python应用程序为什么运行得不理想。