Pythonの高速化
1: アルゴリズムを工夫する
2a: PyPyで走らせる
配列の添え字アクセスが多いなどのとき
2b: Numpyを使う
配列に対する一括操作が多い時
3a: NumbaでAOTコンパイルする
うまくハマれば速いがデータ構造やライブラリに関してまだ制約が大きい
再帰呼び出しできない
3b: Cythonで書いてコンパイルする
ちゃんと書けば速い
ちゃんと書くのはCでプログラムを書くようなもの
3c: C++でライブラリを書く
Related Pages
- →atcoder×テストは記憶の手段×人に教える×numba×abc171×質の良い情報源の発見×テストの高速サイクル×気づきの言語化×abc172c×経路に依存しない×順序のない列は多重集合×educational_dp_contest×エンジニアの学び方×学び方→
- →atcoder×atcoder_library_practice_contest×numba×Cython×フェニック木×セグメント木×遅延伝搬セグメント木×接尾辞配列×lcp_array×Pythonでの累乗・逆数・階乗・階乗逆数・組み合わせ×中国剰余定理×floor_sum×np.convolve×two_snuke×長整数が速い×dsu×unionfind×最大流×最小費用流×scc×2-sat→
- →座標圧縮×setはメモリ食い×numba×numbaに複雑な型を渡す×numba bisect×numpy.unique×長方形グラフ探索×番兵×numba np.concatenate×csr_matrix×リンクトリスト×mprof×atcoder→
"Engineer's way of creating knowledge" the English version of my book is now available on [Engineer's way of creating knowledge]
(C)NISHIO Hirokazu / Converted from [Scrapbox] at [Edit]