内容紹介（出版社より）

「そう、すべては速さのために」

Pythonでデータセットを扱う際、最後に重要になってくるのはやはり「処理速度」です。データが巨大であればあるほど、ちょっとした工夫が処理速度を向上させ、「データの氾濫」ともいえる現状を打開する鍵になってくれます。

Pythonの特性を理解しつつそのパフォーマンスを最大限に引き出し、さらにハイパフォーマンスなライブラリを正しく利用することができれば、遅い遅いといわれがちなPythonにおいても、爆速な処理を手にすることができるのです。

本書は、組み込み機能やスレッディング特性、CPythonのグローバルインタプリタロック（GIL）などに始まり、Cythonへの移行やGPUの利用に至るまでの多面的なアプローチを紹介し、単にマシン性能を上げたり、マシンの数を増やすだけでは得られない、効率的なPythonアプリケーションの記述をサポートします。

【本書は『Fast Python: High performance techniques for large datasets』の邦訳書です。】

◆◆◆◆◆もくじ◆◆◆◆◆

●Part 1　基礎的なアプローチ
　・Chapter 1　データ処理の効率化が急がれている
　・Chapter 2　組み込み機能のパフォーマンスを最大限に引き出す
　・Chapter 3　並行性、並列性、非同期処理
　・Chapter 4　ハイパフォーマンスなNumPy
●Part 2　ハードウェア
　・Chapter 5　Cythonを使って重要なコードを再実装する
　・Chapter 6　メモリ階層、ストレージ、ネットワーク
●Part 3　現代のデータ処理のためのアプリケーションとライブラリ
　・Chapter 7　ハイパフォーマンスなpandasとApache Arrow
　・Chapter 8　ビッグデータの格納
●Part 4　高度なトピック
　・Chapter 9　GPUコンピューティングを使ったデータ分析
　・Chapter 10　Daskを使ったビッグデータの分析

　・付録A　環境のセットアップ
　・付録B　Numbaを使って効率的な低レベルコードを生成する

●Part 1　基礎的なアプローチ
　・Chapter 1　データ処理の効率化が急がれている
　・Chapter 2　組み込み機能のパフォーマンスを最大限に引き出す
　・Chapter 3　並行性、並列性、非同期処理
　・Chapter 4　ハイパフォーマンスなNumPy
●Part 2　ハードウェア
　・Chapter 5　Cythonを使って重要なコードを再実装する
　・Chapter 6　メモリ階層、ストレージ、ネットワーク
●Part 3　現代のデータ処理のためのアプリケーションとライブラリ
　・Chapter 7　ハイパフォーマンスなpandasとApache Arrow
　・Chapter 8　ビッグデータの格納
●Part 4　高度なトピック
　・Chapter 9　GPUコンピューティングを使ったデータ分析
　・Chapter 10　Daskを使ったビッグデータの分析

　・付録A　環境のセットアップ
　・付録B　Numbaを使って効率的な低レベルコードを生成する

内容紹介（「BOOK」データベースより）

本書の目的は、Ｐｙｔｈｏｎエコシステムでより効率的なアプリケーションを記述する手助けをすることにあります。より効率的とは、コードが使うＣＰＵサイクル、ストレージ領域、ネットワーク通信が少なくなることを意味します。本書では、パフォーマンスの問題に総合的なアプローチでのぞみます。ピュアＰｙｔｈｏｎでのコード最適化テクニックについて説明するだけではなく、ＮｕｍＰｙやｐａｎｄａｓなど広く使われているデータライブラリの効率的な使い方についても検討します。Ｐｙｔｈｏｎでは十分なパフォーマンスが得られないケースがあるため、スピードがさらに求められる場合はＣｙｔｈｏｎについても検討します。この総合的なアプローチの一環として、コードの設計にハードウェアが与える影響にも目を向け、現代のコンピュータアーキテクチャがアルゴリズムのパフォーマンスにおよぼす影響を分析します。また、ネットワークアーキテクチャが効率におよぼす影響と、高速なデータ分析でのＧＰＵコンピューティングの使い方も調べます。

目次（「BOOK」データベースより）

１　基礎的なアプローチ（データ処理の効率化が急がれている／組み込み機能のパフォーマンスを最大限に引き出す／並行性、並列性、非同期処理／ハイパフォーマンスなＮｕｍＰｙ）／２　ハードウェア（Ｃｙｔｈｏｎを使って重要なコードを再実装する／メモリ階層、ストレージ、ネットワーク）／３　現代のデータ処理のためのアプリケーションとライブラリ（ハイパフォーマンスなｐａｎｄａｓとＡｐａｃｈｅ　Ａｒｒｏｗ／ビッグデータの格納）／４　高度なトピック（ＧＰＵコンピューティングを使ったデータ分析／Ｄａｓｋを使ったビッグデータの分析）／付録Ａ　環境のセットアップ／付録Ｂ　Ｎｕｍｂａを使って効率的な低レベルコードを生成する

著者情報（「BOOK」データベースより）

アントン，チアゴ・ロドリゲス（Antão,Tiago Rodrigues）（アントン，チアゴロドリゲス）
情報学の工学士号とバイオインフォマティクスの博士号を持つ。現在はバイオテクノロジー分野に従事している。科学計算とデータエンジニアリングのタスクを実行するためにＰｙｔｈｏｎとそのすべてのライブラリを使っている。アルゴリズムの重要な部分を最適化するために、ＣやＲｕｓｔなどの低水準言語をよく使っている。現在はＡｍａｚｏｎ　ＡＷＳベースのインフラで開発を行っているが、キャリアの大部分ではオンプレミスのコンピューティングクラウドと科学クラウドを使っていた。業界での活動に加えて、科学計算の研究では、ケンブリッジ大学とオックスフォード大学でデータ分析のポスドクを務めた経験がある。モンタナ大学では、リサーチサイエンティストとして生物学データを分析するための科学計算インフラ全体を一から開発した（本データはこの書籍が刊行された当時に掲載されていたものです）