如何通過numba模塊給Python代碼提速

這篇文章將為大家詳細講解有關如何通過numba模塊給Python代碼提速，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

簡介：numba是Anaconda公司開發的針對Python的開源JIT編譯器，用于提供Python版CPU和GPU編程，速度比原生Python快數十倍。numba是第三方庫，可以在運行時將Python代碼編譯為本地機器指令，而不會強制大幅度的改變普通的Python代碼，使得在部分場景下執行Python的效率得到飛速的提升。

工作原理對比：

Python文件執行過程

1、.py文件通過解釋器轉化為虛擬機可以執行的字節碼(.pyc)；字節碼在虛擬機上執行，得到結果。

2、字節碼是一種只能運行在虛擬機上的文件，默認后綴.pyc，Python生成.pyc之后一般放在內存中繼續使用，并不是每次都將.pyc文件保存到磁盤上。

而在JIT（Just-In-Time）技術中，JIT編譯器將Python源代碼.py直接編譯成機器可以執行的機器語言（機器碼），就可以直接在CPU等硬件上運行。這樣，JIT就跳過了原來的虛擬機，執行速度幾乎與用C語言編程速度無差別。

numba是Anaconda公司開發的針對Python的開源JIT編譯器。谷歌開源的jax庫也是屬于jit編譯器之一，該模塊則主要應用于科學計算和機器學習方向。

安裝：如網絡限制，請繞道國內鏡像豆瓣源，清華源等。pip安裝第三方庫全攻略：普通安裝、安裝whl后綴文件、使用國內鏡像安裝

pip install numba

使用方法：

from numba import jit
對函數進行裝飾@jit(nopython=True)

注意事項：numba只符合部分場景，特殊場景無法使用。例如機器學習訓練數據時，不能簡單的進行裝飾使用，否則會拋出異常。

源碼：

from numba import jit
import datetime


def 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 n


if __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())

結果對比：原始代碼執行需要花費5秒左右，而使用numba裝飾后僅需300毫秒左右，提升10倍有余。如果loop設置的參數更長，numba裝飾后執行的結果更佳。

關于“如何通過numba模塊給Python代碼提速”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。