Python运行速度慢这点是公认的！那么如何加速Python代码呢？

通过使用jit装饰器，使用Numba非常容易：

正如你所知道的，在Python中，所有代码块都被编译成字节码：

当然在学习Python的道路上肯定会困难，没有好的学习资料，怎么去学习呢？

所以小编准备了一份零基础入门Python的学习资料。关注，转发，私信“007”即可领取！

进群：548377875? 即可获取数十套PDF的获取方式哦！

Python numba 体系结构

Numba的优势：

• 易用性
• 自动并行化
• 支持numpy操作和对象
• GPU支持

Numba的劣势：

• 多层的抽象使得调试和优化变得非常困难
• 在nopython模式下无法与Python及其模块进行交互
• 有限的类支持

Cython

取代分析字节码和生成IR，Cython使用Python语法的超集，它后来转换成C代码。在使用Cython时，基本上是用高级Python语法编写C代码。

在Cython中，通常不必担心Python包装器和低级API调用，因为所有交互都会自动扩展到合适的C代码。

与Numba不同，所有的Cython代码应该在专门文件中与常规Python代码分开。Cython将这些文件解析并转换成C代码，然后使用提供的C编译器 (例如， gcc)编译它。

Python代码已经是有效的Cython代码。

但是，类型版本工作得更快。

编写快速Cython代码需要理解C和Python内部结构。如果你熟悉C，你的Cython代码可以运行得和C代码一样快。

Cython的优势：

• 通过Python API的使用控制
• 与C/C++库和C/C++代码的简单接口
• 并行执行支持
• 支持Python类，在C中提供面向对象的特性

Cython的劣势：

• 学习曲线
• 需要C和Python内部专业技术
• 模块的组织不方便

Numba 对 Cython

就个人而言，我更喜欢小项目和ETL实验用Numba。你可以将其插入现有项目中。如果我需要启动一个大项目或为C库编写包装器，我将使用Cython，因为它提供更多的控制和更容易调试。

此外，Cython是许多库的标准，如pandas、scikit-learn、scipy、Spacy、gensim和lxml。

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!