330 倍更快：加速你的代码的四种不同方法

主要观点：要使 Python 代码快速，有多种方法，如并行、编写编译扩展等，单一方法易错过潜在加速，应从“实践”角度思考。通过一个计数字母频率的例子，展示了效率（减少浪费计算）、编译（使用编译语言及绕开编译器限制）、并行（使用多 CPU 核心）和流程（测试优化代码等）这四种实践能显著提高代码速度。
关键信息：
- 不同实践能以独特方式加速代码，涉及不同技能知识，可单独或联合应用。
- 以计数字母频率为例，先通过效率实践将代码速度提升近 2 倍，再用编译实践提升 10 倍，两者结合更快，最后用并行实践进一步提速至 330 倍。
- 软件开发依赖代码等工件，也依赖测试等流程，文中介绍了测量和测试作为流程实践的重要性。
- 不同实践效果不同且互补，如效率和编译实践在 Python 和 Rust 代码中都能提升速度。
- 注意测量的准确性，如 Python 和 Rust 字符串处理的差异可能影响测量结果，可通过传递 UTF-8 编码字节绕过 UTF-8 转换成本。
- Python 内置的collections.Counter类速度较快是因为使用了 C 函数实现计数，若不够快需应用编译或效率实践，如将其移植到 Rust 后再用效率实践优化。
重要细节：
- 效率实践中，通过避免在循环中重复转换字符大小写，将计数存储分开再合并，以及用列表替代defaultdict等方式提高代码效率。
- 编译实践中，将 Python 代码移植到 Rust 语言，利用 Rust 编译器的优化和特性提升速度，如从HashMap切换到Vec或数组。
- 并行实践中，使用 Rayon 库在 Rust 中实现并行版本，利用多 CPU 核心加速代码。
- 流程实践中，强调测试优化代码的正确性，通过 profiling 找出耗时部分，测量代码运行时间等。
- 介绍了一本书《Practices of Performance》，涵盖文中提到的所有实践及机械同情实践，可学习相关知识以编写更快的计算 Python 代码。