虽然这听起来像是一个纯粹的技术问题，但我想知道您通常会尝试哪些方式，对于非常类似于数据科学的流程，当您需要加快流程时（假设数据检索不是问题并且它也适合内存等）。其中一些可能是以下内容，但我希望收到有关其他任何内容的反馈：

• 好的做法是尽可能在数字运算而不是循环上使用 Numpy...
• 在将函数应用于列表、数据框等的元素时，使用“apply”、“applymap”...而不是循环等更多好的做法
• Numba应用于原生 python 循环、numpy 数组......
• 使用多处理库进行多处理，具体取决于可用的逻辑内核

这是因为，如果我们主要使用 Python 的所有优点，我们不想切换到其他语言，如 Scala 或 Julia，除非别无选择。