Python可能最容易扼殺你的想法，但不是最好的程式碼實現。儘管強烈反對過早優化，但在 Python 程式碼中一點點的優化都可能帶來巨大的效能提升。
解釋僅僅是目的，最正確的方式是天天使用 Python 程式設計，並且與效能影響相關。
- %timeit (per line) 和 %prun (cProfile) 在 ipython 的互動式 Shell 中
當你的程式碼在工作時，分析你的程式碼，並且嘗試找出效能瓶頸在哪裡。這不與過早的優化是萬惡之源這個事實相反。這意味著一級優化，而不是進入冗長的優化序列。
更多的分析你的 Python 程式碼，你需要閱讀這個 python-performance-analysis
另外一個有趣的包， line_profiler 是一行一行的分析程式碼
分析 line_profiler
- 降低方法呼叫次數，如果你有一個列表需要操作，傳遞整個列表，而不是遍歷整個列表並且傳遞每個元素給函式並返回。
- 使用
xrange代替range。（在 Python2.x 中這樣做，因為 Python 3.x 中是預設的）
xrange 是 range 的 C 實現，著眼於有效的記憶體使用。
- 對於大資料，使用
numpy，它比標準的資料結構好很多。 "".join(string)比+ or +=好while 1比while True快- list comphrension > for loop > while
列表推導比迴圈遍歷列表快，但 while loop 是最慢的，需要使用一個外部計數器。
- 使用 cProfile，cStringIO 和 cPickle
一直使用 C 版本的模組
- 使用區域性變數
區域性變數比全域性變數，內建型別以及屬性快。
- 列表和迭代器版本存在 – 迭代器是記憶體效率和可伸縮性的。使用
itertools
建立生成器以及儘可能使用 yeild，它們比正常的列表方式更快。
下面是 Python 效能快速優化的第二部分。
- 使用 Map ，Reduce 和 Filter 代替
for 迴圈 - 校驗
a in b， 字典 或 set 比 列表 或 元組 更好 - 當資料量大的時候，儘可能使用不可變資料型別，他們更快 元組 > 列表
- 在一個列表中插入資料的複雜度為 O(n)
- 如果你需要操作列表的兩端，使用
deque - del – 刪除物件使用如下
1） python 自己處理它，但確保使用了gc模組
2） 編寫__del__函式
3） 最簡單的方式，使用後呼叫del - time.clock()
- GIL(http://wiki.python.org/moin/GlobalInterpreterLock) – GIL is a daemon
GIL 僅僅允許一個 Python 的原生執行緒來執行每個程式。阻止 CPU 級別的並行，嘗試使用 ctypes 和 原生的 C 庫來解決它，當你達到 Python 優化的最後，總是存在一個選項，可以使用原生的 C 重寫慢的函式，通過 Python 的 C 繫結使用它，其他的庫如 gevent 也是致力於解決這個問題，並且獲得了成功。
TL,DR：當你寫程式碼了，過一遍資料結構，迭代結構，內建和為 GIL 建立 C 擴充套件，如有必要。
更新：multiprocessing 是在 GIL 的範圍之外，這意味著你可以使用 multiprocessing 這個標準庫來執行多個程式。
看下我的 2013 的印度 PyCon 演講