Бывали ли у вас ситуации, когда вам нужно было улучшить производительность Python-программы?

Да, часто для улучшения производительности Python-программ применяют несколько подходов:

• Профилирование кода с помощью модулей cProfile или timeit для выявления узких мест.
• Оптимизация алгоритмов и структур данных — замена неэффективных алгоритмов на более быстрые.
• Использование встроенных функций и библиотек — они обычно реализованы на C и работают быстрее.
• Кэширование результатов с помощью functools.lru_cache для дорогих вычислений.
• Параллелизация и многопоточность — с учётом ограничений GIL, например, через multiprocessing.
• Использование компилируемых расширений — например, Cython или PyPy.

Пример использования lru_cache для ускорения рекурсивной функции:

from functools import lru_cache

@lru_cache(maxsize=None)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

print(fibonacci(30))