（一）pypy和Cpython解释器在性能上的比较
Cpython解释器是从官网下载python自带的解释器，就是我们平常使用的解释器。pypy解释器的出现是为了在一定程度上提升python代码运行的效率。据统计，pypy解释器运行相同代码的效率约为Cpython的6倍。
1. pypy的安装测试
1 # 安装 2 apt-get install pypy 3 # 测试 4 pypy
在命令行输入pypy，进入类似python的界面
2. 性能对比
Talk is cheap, show my code. 用以下一段代码一窥两者执行效率上的差异。
1 import time 2 3 start = time.time() 4 for i in range(10000*10000): 5 i +=1 6 end = time.time() 7 8 print('time used:%f'%(end-start))
使用pypy解释器运行十分简单，只需在.py文件前加上pypy即可，以上代码两种解释器的执行效果如下：
天差地别有木有！pypy执行时间之所以这么短的原因在于用空间换取了时间，这里不展开讲了。
但是别高兴的太早! pypy既然效率这么高，为什么没流行起来呢？原因是pypy不像Cpython支持那么多的库，很多第三方库例如pandas这样的pypy是不支持滴。
所以，不想等得太久的小伙伴，要想用pypy，那就要做好用内建库撸代码的准备把！酷酷哒！
文本处理类的大批量计算推荐使用pypy！
（二）迭代/循环进度条
有些小伙伴不是不愿意等的太久，而是想知道还要等多久。写一个循环在那跑啊跑，不知道跑到哪了有木有很捉急。
下面上一款高逼格神器，一个第三方库tqdm，专门为解决这个问题而生的。
1. 安装
1 pip install tqdm
2. 使用
1 from tqdm import tqdm 2 import time 3 4 for i in tqdm(range(1000)): 5 time.sleep(0.01)
看下炫炫的效果
（三）sys.argv
1 #encoding:utf-8 2 3 import sys 4 5 print "脚本名：", sys.argv[0] 6 for i in range(1, len(sys.argv)): 7 print "参数", i, sys.argv[i]
运行结果如下：
argv[i]用来读取命令行输入的参数！