不同的编程语言，会有不同 的缓存策略，例如，通过哈希映射、优先级队列等实现缓存。因此，不同的编程语言，在缓存的解决方案方面具有很大差异，可能需要几分钟，也可能需要几小时。
石楼网站建设公司创新互联,石楼网站设计制作，有大型网站制作公司丰富经验。已为石楼1000+提供企业网站建设服务。企业网站搭建\成都外贸网站制作要多少钱，请找那个售后服务好的石楼做网站的公司定做！
但是，在Python中，标准工具包functools实现了一种名为LRU(Least Recently Used)的缓存策略，可以通过传入参数，来设定缓存最近多少次的计算结果，如果传入参数为None，那么则不缓存。
你好，你可以考虑使用numpy的函数来做，下面是例子的python代码
image = np.zeros((400,400,3), dtype="uint8")
raw = image.copy()
image[np.where((image==[0,0,0]).all(axis=2))] = [255,255,255]
cv2.imshow('Test0', image)
lower_black = np.array([0,0,0], dtype = "uint16")
upper_black = np.array([70,70,70], dtype = "uint16")
black_mask = cv2.inRange(image, lower_black, upper_black)
image[np.where((image == [0,0,0]).all(axis = 2))] = [155,255,155]
black_mask[np.where(black_mask == [0])] = [155]
你把上面的那个image的数值改成你需要改的目标就可以直接替换了。
1. 在动手优化之前，先profile看看，程序时间都花在哪些地方了:
python -m cProfile -o output.prof your_program
跑完之后，会生成一个output.profile文件。接下来需要对这个文件进行分析，这方面的工具我推荐SnakeViz，神器。安装非常简单，pip install snakeviz 即可。
snakeviz output.prof
运行之后，会打开一个浏览器窗口，好好看看，哪些函数耗时最多，耗时是因为调用次数太多呢，还是因为单次调用耗时长，明确优化重点；
2. 减少重复计算，缓存计算结果。看看 functools.lru_cache。
3. 能用list comprehension的地方，不要用for；能用numpy的地方，不要手写循环，不要用pandas；
4. 看你的回测，40w个tick的话，数据量不算大，应该是直接load到内存里的吧？
5. 还是慢的话，上Numba — Numba，就是安装麻烦一些，使用起来非常方便，速度提高一两个数量级没问题；
6. 如果你用的包PyPy都支持的话，试试pypy；
7. Cython、c module，上面的都没效果的话，这个是最后的候选方案了。
