python一直被病垢運行速度太慢，但是實際上python的執(zhí)行效率并不慢，慢的是python用的解釋器Cpython運行效率太差。

“一行代碼讓python的運行速度提高100倍”這絕不是嘩眾取寵的論調(diào)。

我們來看一下這個最簡單的例子，從1一直累加到1億。

最原始的代碼：

import timedef foo(x,y): tt = time.time() s = 0 for i in range(x,y): s += i print(’Time used: {} sec’.format(time.time()-tt)) return sprint(foo(1,100000000))

結(jié)果

Time used: 6.779874801635742 sec4999999950000000

是不是快了100多倍呢？

那么下面就分享一下“為啥numba庫的jit模塊那么牛掰？”

NumPy的創(chuàng)始人Travis Oliphant在離開Enthought之后，創(chuàng)建了CONTINUUM，致力于將Python大數(shù)據(jù)處理方面的應(yīng)用。最近推出的Numba項目能夠?qū)⑻幚鞱umPy數(shù)組的Python函數(shù)JIT編譯為機器碼執(zhí)行，從而上百倍的提高程序的運算速度。

Numba項目的主頁上有Linux下的詳細安裝步驟。編譯LLVM需要花一些時間。

Windows用戶可以從Unofficial Windows Binaries for Python Extension Packages下載安裝LLVMPy、meta和numba等幾個擴展庫。

下面我們看一個例子：

import numba as nbfrom numba import jit@jit(’f8(f8[:])’)def sum1d(array): s = 0.0 n = array.shape[0] for i in range(n): s += array[i] return simport numpy as nparray = np.random.random(10000)%timeit sum1d(array)%timeit np.sum(array)%timeit sum(array)10000 loops, best of 3: 38.9 us per loop10000 loops, best of 3: 32.3 us per loop100 loops, best of 3: 12.4 ms per loop

numba中提供了一些修飾器，它們可以將其修飾的函數(shù)JIT編譯成機器碼函數(shù)，并返回一個可在Python中調(diào)用機器碼的包裝對象。為了能將Python函數(shù)編譯成能高速執(zhí)行的機器碼，我們需要告訴JIT編譯器函數(shù)的各個參數(shù)和返回值的類型。我們可以通過多種方式指定類型信息，在上面的例子中，類型信息由一個字符串’f8(f8[:])’指定。其中’f8’表示8個字節(jié)雙精度浮點數(shù)，括號前面的’f8’表示返回值類型，括號里的表示參數(shù)類型，’[:]’表示一維數(shù)組。因此整個類型字符串表示sum1d()是一個參數(shù)為雙精度浮點數(shù)的一維數(shù)組，返回值是一個雙精度浮點數(shù)。

內(nèi)容擴展：

Python運行速度提升

相比較C，C++，python一直被抱怨運行速度很慢，實際上python的執(zhí)行效率并不慢，而是解釋器Cpython運行效率很差。

通過使用numba庫的jit可以讓python的運行速度提高百倍以上。

同諾簡單累加，相乘的例子，可以看出。

#!/usr/bin/env python# encoding: utf-8’’’@author: Victor@Company：華中科技大學電氣學院聚變與等離子研究所@version: V1.0@contact: [email protected] 2018--2020@software: PyCharm2018@file: quickPython3.py@time: 2018/9/21 20:54@desc:使用numba的jit是python代碼運行速度提高100倍左右’’’’’’平常運行’’’import timedef add(x,y): tt = time.time() s = 0 for i in range(x,y):s += i print(’The time used: {} seconds’.format(time.time()-tt)) return s add(1,100000000)##########結(jié)果################ D:Python3python.exe D:/Pycharm2018Works/InsteringPython3/SomeBasics/quickPython3.py# The time used: 6.712835788726807 seconds# Process finished with exit code 0

’’’調(diào)用numba運行’’’import timefrom numba import jit@jitdef add(x,y): tt = time.time() s = 0 for i in range(x,y):s += i print(’The time used: {} seconds’.format(time.time()-tt)) return s add(1,100000000)##########結(jié)果################ D:Python3python.exe D:/Pycharm2018Works/InsteringPython3/SomeBasics/quickPython3.py# The time used: 0.06396007537841797 seconds# # Process finished with exit code 0

Numba模塊能夠?qū)⑻幚鞱umPy數(shù)組的Python函數(shù)JIT編譯為機器碼執(zhí)行，從而上百倍的提高程序的運算速度。