在python3.6中安装openaxu;需要.下载numpy和opencv-python，根据已经安装的python版本号下载相对应的numpy和opencv_python。例如，python3.6是32位的，那么我就下载了相对应的opencv_python-3.4.1-cp36-cp36m-win32.whi和numpy-1.14.5+mkl-cp36-cp36m-win32.whl。如果python版本是64位的，就下载相对应的64位的numpy和opencv_python。下载完成后，按住win+R输入cmd进入命令行界面。将路径切换到已经下载的numpy和opencv_python的文件所在目录。然后输入pip install numpy-1.14.5+mK-cp36-cp36m-win32.whl和pip install opencv_进行安装

s = [1,2,3,4,5,6]

for i in s:

print(s.pop())

6

5

4

S

[1, 2, 3]

Python本身的运行相对于c++等就是要慢一点的，所以在编写代码的过程中要尽量编写高效率的代码，定位运行慢的代码可以使用Python 性能分析工具 pyinstrument，但是需要安装pip install pyinstrument，然后导入from pyinstrument import Profiler，导入之后就可以按照以下的格式进行判断：

profiler = Profiler() #实例化

profiler.start() #标识要检查的代码开始

#要进行分析的代码

profiler.stop() #标识要检查的代码结束

profiler.print() #打印检查结果

提升python代码运行速度的小技巧如下：

要选择合适的数据结构

善用强大的内置函数和第三方库

尽量少用循环

避免重复计算

少用全局变量

Python运行慢的原因是Python是一门动态语言，不会提前将数据类型和分配空间设定好。这样设计的优势是程序员不需要估计变量位宽以分配对应的数据类型，同时不考虑位宽溢出。因为它发现当一个4字节存不了的时候，会自动用8个字节存。而。C++等静态语言都会提前给数据分配好空间，这样有两个特点：（1）编译之后，通常在内存条上开辟连续内存空间，就算不连续也能做到虚拟连续；（2）默认数据类型不会溢出；这就是C++比Python快的重要原因。Python在追求“易用性”的前提下，丢弃了数据类型预分配等底层操作，从而导致速度大大降低。仅从语言特性的角度来看，纯Python程序的性能追平C++的可能性不大。不过可以通过各种加速手段，实现很大程度地接近。