如何通过numba模块给Python代码提速

这篇文章将为大家详细讲解有关如何通过numba模块给python代码提速，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

简介：numba是Anaconda公司开发的针对Python的开源JIT编译器，用于提供Python版CPU和GPU编程，速度比原生Python快数十倍。numba是第三方库，可以在运行时将Python代码编译为本地机器指令，而不会强制大幅度的改变普通的Python代码，使得在部分场景下执行Python的效率得到飞速的提升。

工作原理对比：

Python文件执行过程

.py文件通过解释器转化为虚拟机可以执行的字节码(.pyc)；字节码在虚拟机上执行，得到结果。

字节码是一种只能运行在虚拟机上的文件，默认后缀.pyc，Python生成.pyc之后一般放在内存中继续使用，并不是每次都将.pyc文件保存到磁盘上。

而在JIT（Just-In-Time）技术中，JIT编译器将Python源代码.py直接编译成机器可以执行的机器语言（机器码），就可以直接在CPU等硬件上运行。这样，JIT就跳过了原来的虚拟机，执行速度几乎与用C语言编程速度无差别。

numba是Anaconda公司开发的针对Python的开源JIT编译器。谷歌开源的jax库也是属于jit编译器之一，该模块则主要应用于科学计算和机器学习方向。

安装：如网络限制，请绕道国内镜像豆瓣源，清华源等。pip安装第三方库全攻略：普通安装、安装whl后缀文件、使用国内镜像安装

pip install numba

使用方法：

from numba import jit对函数进行装饰@jit(nopython=True)

注意事项：numba只符合部分场景，特殊场景无法使用。例如机器学习训练数据时，不能简单的进行装饰使用，否则会抛出异常。

源码：

from numba import jitimport datetimedef calc_sum1(loop):    n = 0    for i in range(loop):        for j in range(loop):            n += j    return n@jit(nopython=True)def calc_sum2(loop):    n = 0    for i in range(loop):        for j in range(loop):            n += j    return n@jit(nopython=True)def calc_sum2(loop):    n = 0    for i in range(loop):        for j in range(loop):            n += j    return nif __name__ == '__main__':    print(datetime.datetime.now())    r1 = calc_sum1(10000)    print(r1)    print(datetime.datetime.now())    print("*" * 30)    print(datetime.datetime.now())    r2 = calc_sum2(10000)    print(r2)    print(datetime.datetime.now())

结果对比：原始代码执行需要花费5秒左右，而使用numba装饰后仅需300毫秒左右，提升10倍有余。如果loop设置的参数更长，numba装饰后执行的结果更佳。

关于“如何通过numba模块给Python代码提速”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。