直接回答：定位先行：cProfile 给函数级耗时（累积/自身），py-spy 采样线上进程无侵入出火焰图（生产首选），scalene 区分 CPU/内存/GPU 且按行分析。优化路径按杠杆排序：换算法和数据结构（O(n²) 变 O(n log n) 永远最大头）→ 向量化/用 C 扩展库（NumPy、Polars）→ 减少解释器开销（局部变量缓存、生成器省内存）→ 并行（asyncio 治 I/O、多进程治 CPU）→ 换运行时（PyPy、Cython、Rust 扩展）。
展开解析：高频反模式清单：字符串 += 循环拼接（用 join）；list 里 in 判断（换 set）；循环里重复属性查找（self.x.y 提到循环外）；深拷贝当默认动作（能只读就别 copy）；以及隐藏杀手——eq/hash 写慢了拖垮所有 dict 操作。数值计算的金律是把循环推进 C 层：NumPy 向量化通常有 10~100 倍收益，表达式能写成数组运算就别 for。内存与 CPU 常互换：生成器/流式处理降内存但可能重复计算，缓存反之。方法论收束：先建立可复现基准（timeit/pytest-benchmark），每次优化只改一个变量并留测量记录；优化没有测量的部分等于没优化。生产环境别忘了 p99 视角——平均快不等于尾延迟好。
追问方向：py-spy 采样为什么能低开销跑在生产？PyPy 加速的适用与失效场景？Rust 扩展（PyO3）的引入门槛？
（约 460 字）