Для оптимизации Python-кода можно использовать: - **Профилирование** – `cProfile`, `timeit`, `memory_profiler` для поиска узких мест. - **Использование встроенных структур данных** – `list`, `dict`, `set` вместо самописных решений. - **Генераторы** – ленивые вычисления с `yield` для экономии памяти. - **Кэширование** – `functools.lru_cache` для мемоизации функций. - **Компиляция** – `Cython`, `Numba` или `PyPy` для ускорения критических участков. - **Векторизация** – `NumPy` и `pandas` для быстрых операций с массивами. - **Многопоточность/многопроцессорность** – `threading`, `multiprocessing`, `asyncio`. Пример с `lru_cache`: ``` from functools import lru_cache @lru_cache(maxsize=None) def fib(n): if n < 2: return n return fib(n-1) + fib(n-2) ```