如何提升python运行速度

python

python一直被病垢运行速度太慢,但是实际上python的执行效率并不慢,慢的是python用的解释器Cpython运行效率太差。

“一行代码让python的运行速度提高100倍”这绝不是哗众取宠的论调。

我们来看一下这个最简单的例子,从1一直累加到1亿。

最原始的代码:

import time

def 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 s

print(foo(1,100000000))

结果

Time used: 6.779874801635742 sec

4999999950000000

是不是快了100多倍呢?

那么下面就分享一下“为啥numba库的jit模块那么牛掰?”

NumPy的创始人Travis Oliphant在离开Enthought之后,创建了CONTINUUM,致力于将Python大数据处理方面的应用。最近推出的Numba项目能够将处理NumPy数组的Python函数JIT编译为机器码执行,从而上百倍的提高程序的运算速度。

Numba项目的主页上有Linux下的详细安装步骤。编译LLVM需要花一些时间。

Windows用户可以从Unofficial Windows Binaries for Python Extension Packages下载安装LLVMPy、meta和numba等几个扩展库。

下面我们看一个例子:

import numba as nb

from 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 s

import numpy as np

array = np.random.random(10000)

%timeit sum1d(array)

%timeit np.sum(array)

%timeit sum(array)

10000 loops, best of 3: 38.9 us per loop

10000 loops, best of 3: 32.3 us per loop

100 loops, best of 3: 12.4 ms per loop

numba中提供了一些修饰器,它们可以将其修饰的函数JIT编译成机器码函数,并返回一个可在Python中调用机器码的包装对象。为了能

将Python函数编译成能高速执行的机器码,我们需要告诉JIT编译器函数的各个参数和返回值的类型。我们可以通过多种方式指定类型信

息,在上面的例子中,类型信息由一个字符串'f8(f8[:])'指定。其中'f8'表示8个字节双精度浮点数,括号前面的'f8'表示返回值类型,括号

里的表示参数类型,'[:]'表示一维数组。因此整个类型字符串表示sum1d()是一个参数为双精度浮点数的一维数组,返回值是一个双精度

浮点数。

推荐学习《Python教程》!

以上是 如何提升python运行速度 的全部内容, 来源链接: utcz.com/z/525488.html

回到顶部