如何使用Numba與Cython結合提升python運行效率

這篇文章主要介紹如何使用Numba與Cython結合提升python運行效率，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

Numba

Numba是一個即時（JIT）編譯器，它將Python代碼轉換為用于CPU和GPU的本地機器指令。代碼可以在導入時、運行時或提前編譯。

通過使用jit裝飾器，使用Numba非常容易：

正如你所知道的，在Python中，所有代碼塊都被編譯成字節碼：

代碼優化

為了優化Python代碼，Numba從提供的函數中提取一個字節碼，并在其上運行一組分析器。Python字節碼包含一系列小而簡單的指令，因此不必從Python實現中使用源代碼就可以從字節碼中重構函數的邏輯。轉換的過程涉及多個階段，但Numba將Python字節碼轉換為LLVM中間表示 (IR)。

請注意，LLVM IR是一種低級編程語言，它類似于匯編語法，與Python無關。

Numba 模式

Numba中有兩種模式：nopython 和 object。前者不使用Python運行時并且在沒有Python依賴項的情況下生成本機代碼。 本機代碼是靜態類型的，運行非常快。而對象模式使用Python對象和Python C API，這通常不會帶來顯著的速度改進。在這兩種情況下，Python代碼都是使用LLVM編譯的。

什么是LLVM？

LLVM是一種編譯器，它采用代碼的特殊中間表示（IR），并將其編譯成本機代碼。編譯過程涉及許多額外的傳遞，其中編譯器優化IR。LLVM工具鏈很好地優化了IR，不僅為Numba編譯代碼，而且優化Numba。整個系統大致如下：

Python numba 體系結構

Numba的優勢：

• 易用性

• 自動并行化

• 支持numpy操作和對象

• GPU支持

Numba的劣勢：

多層的抽象使得調試和優化變得非常困難

在nopython模式下無法與Python及其模塊進行交互

有限的類支持

Cython

取代分析字節碼和生成IR，Cython使用Python語法的超集，它后來轉換成C代碼。在使用Cython時，基本上是用高級Python語法編寫C代碼。

在Cython中，通常不必擔心Python包裝器和低級API調用，因為所有交互都會自動擴展到合適的C代碼。

與Numba不同，所有的Cython代碼應該在專門文件中與常規Python代碼分開。Cython將這些文件解析并轉換成C代碼，然后使用提供的C編譯器 (例如， gcc)編譯它。

Python代碼已經是有效的Cython代碼。

但是，類型版本工作得更快。

編寫快速Cython代碼需要理解C和Python內部結構。如果你熟悉C，你的Cython代碼可以運行得和C代碼一樣快。

Cython的優勢：

• 通過Python API的使用控制

• 與C/C++庫和C/C++代碼的簡單接口

• 并行執行支持

• 支持Python類，在C中提供面向對象的特性

Cython的劣勢：

• 學習曲線

• 需要C和Python內部專業技術

• 模塊的組織不方便

Numba 對 Cython

就個人而言，我更喜歡小項目和ETL實驗用Numba。你可以將其插入現有項目中。如果我需要啟動一個大項目或為C庫編寫包裝器，我將使用Cython，因為它提供更多的控制和更容易調試。

此外，Cython是許多庫的標準，如pandas、scikit-learn、scipy、Spacy、gensim和lxml。

以上是“如何使用Numba與Cython結合提升python運行效率”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！