python模块scapy的发包效率有什么办法提升

导读： 简要说一下自己的思路 1，有两个代理可用，所以爬的时候随机选取一个 2，复制了一些User-agnet，随机选一个 3，爬一次随机睡眠3～6s 这样大概爬200次左右，就不能再 爬了 对于Python 的科学计算有哪些提高运算速度的技 一：学会正确使用numpy scipy。 numpy scipy...

简要说一下自己的思路 1，有两个代理可用，所以爬的时候随机选取一个 2，复制了一些User-agnet，随机选一个 3，爬一次随机睡眠3～6s 这样大概爬200次左右，就不能再 爬了

对于Python 的科学计算有哪些提高运算速度的技

一：学会正确使用numpy scipy。 numpy scipy写好的绝不自己写，比如矩阵运算等操作，pylab的实现还算不错。各种函数都有，尽量使用他们可以避免初学者大部分的速度不足问题。因为这些函数大部分都是预编译好的。
根据我几年前的测试，python的矩阵运算速度并不慢，(因为你运行的是动态链接库里面的函数而不是脚本）比mathematica快，和matlab持平。
大部分新手不擅长看文档啥都自己造轮子是不好的。当然老手把效率写的比开源库高也不算啥新闻，毕竟有对特定程序的优化
二：减少for的使用，多使用向量化函数，np.vectorlize可以把函数变成对数组逐元素的操作，比for效率高几个华莱士。
三：对内存友好，操作大矩阵的时候减少会引起整矩阵对此copy的操作
四：系统最慢的大部分时候是io，包括上面说的内存操作和频繁的读入读出以及debug输出。避免他们，在需要实时处理的时候引入类似于gpu的pipeline管线机制或者使用灵活的多线程编程可以起到奇效。
五：matplotlib的绘图效率并不高明，在使用交互绘图（plt.ion）的时候减少不必要的刷新率。