关于程序优化的第一个准则是“不要优化”，第二个准则是“不要优化那些无关紧要的部分”。

如果你的程序运行缓慢，首先你得使用14.13小节的技术先对它进行性能测试找到问题所在。

比如内存的数据处理循环。一旦你定位到这些点，你就可以使用下面这些实用技术来加速程序运行。

**使用函数**

如果你运行这个代码，大概花费25秒（对于之前29秒又是一个改进）。

这个额外的加速原因是因为对于局部变量 ``sqrt`` 的查找要快于全局变量 ``sqrt``

如果你的优化要求比较高，本节的这些简单技术满足不了，那么你可以研究下基于即时编译（JIT）技术的一些工具。

例如，PyPy工程是Python解释器的另外一种实现，它会分析你的程序运行并对那些频繁执行的部分生成本机机器码。

它有时候能极大的提升性能，通常可以接近C代码的速度。

因此，这个是你将来需要去研究的。你还可以考虑下Numba工程，

Numba是一个在你使用装饰器来选择Python函数进行优化时的动态编译器。

这些函数会使用LLVM被编译成本地机器码。它同样可以极大的提升性能。