python如何提高運行速度

今天來就來談談numba這個寶貝。對你沒看錯，不是numpy，就是numba。（推薦學習：Python視頻教程）

numba是Python的即時編譯器，它最適用于使用NumPy數組和函數以及循環的代碼。使用Numba的最常用方法是通過其裝飾器集合，可以應用于您的函數來指示Numba編譯它們。當調用Numba修飾函數時，它被編譯為機器代碼“及時”執行，并且您的全部或部分代碼隨后可以以本機機器代碼速度運行！

在面對一個計算project的時候，我們最容易想到的就是直接碼代碼，最后寫出一個超長的程序。這樣一來，一旦出錯往往就需要花很多時間定位問題。

有一個簡單的辦法解決這個問題，就是定義各種各樣的函數，把任務分解成很多小部分。因為每個函數都不是特別復雜，并且在寫好的時候就可以隨時檢查，因此簡潔的主程序一旦出問題就很容易定位并解決。面向對象編程的思想就是基于函數。

寫好函數之后，還可以使用裝飾器（decorator）讓它變得強大。裝飾器本身是一個函數，不過是函數的函數，目的是增加函數的功能。比如首先定義一個輸出當前時間的函數，再定義一個規定時間格式的函數，把后一個函數作用在前一個函數上，就是一個裝飾器，作用是用特定格式輸出當前時間。

>Numba的優勢

1.簡單，往往只要1行代碼就有驚喜；

2.對循環（loop）有奇效，而往往在科學計算中限制python速度的就是loop；

3.兼容常用的科學計算包，如numpy、cmath等；

4.可以創建ufunc；

5.會自動調整精度，保證準確性。

如何使用numba

針對上面提到的numba的優勢，我來進行逐一介紹。首先導入numba

import numba as nb

只用1行代碼即可加速，對loop有奇效

因為numba內置的函數本身是個裝飾器，所以只要在自己定義好的函數前面加個@nb.jit()就行，簡單上手。下面以一個求和函數為例

# 用numba加速的求和函數@nb.jit()def nb_sum(a):
 Sum = 0
 for i in range(len(a)):
 Sum += a[i]
 return Sum# 沒用numba加速的求和函數def py_sum(a):
 Sum = 0
 for i in range(len(a)):
 Sum += a[i]
 return Sum

來測試一下速度

import numpy as np
a = np.linspace(0,100,100) # 創建一個長度為100的數組

%timeit np.sum(a) # numpy自帶的求和函數
%timeit sum(a) # python自帶的求和函數
%timeit nb_sum(a) # numba加速的求和函數
%timeit py_sum(a) # 沒加速的求和函數

更多Python相關技術文章，請訪問Python教程欄目進行學習！

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com