python使用c混合编程(cython使用)

背景：

我们都知道python是解释型语言，而java、c++等都是编译型语言。那么解释型语言的速度是赶不上编译型的。
编译型语言一次编译的速度可能有点慢，但是后续如果要再次执行就会很快了（原因在于第一次编译后生成的二进制机器代码速度会很快）

而对于python这样的解释型语言，就没有这么好运气了，因为它每次执行都得一条条用解释器解释：第一次执行先把源码翻译成为.pyc中间字节码，然后后续如果没有发生代码更改才会一直用.pyc解释成为机器码，可即便如此，.pyc解释成为机器码每次都得用解释器一条条解释，所以速度赶不上一次编译成为机器码的java等语言。

java测试程序段处理速度：

public class test1 {
    public static void main(String[] args){
        int i;
        int j;
        int k = 1;
        long startTime = System.nanoTime();
        for (i = 0;i < 1000; i++) {
            for (j = 0;j<1000;j++) k += j;
        }
        System.out.println(k);
        long endTime = System.nanoTime();
        System.out.println((endTime - startTime)/1000000.0);
    }
}

499500001
2.5251  //2.5ms

python测试程序段处理速度：

def fib_py():
    i = 1
    j = 1
    k = 1
    for i in range(1000):
        for j in range(1000):
            k += j
    return k


import time

# 获取当前时间戳，单位为纳秒
start_time_ns = time.time_ns()
res_py = fib_py()
print(res_py)
# 再次获取时间戳
end_time_ns = time.time_ns()
# 计算差值，单位为毫秒
duration_ms = (end_time_ns - start_time_ns) // 1000000
print(duration_ms)

499500001
28  # 28ms

cython的使用：
在计算密集型代码块中，如果对速度、执行效率要求比较高，我们可以使用c与python结合来提显著提升python效率。

Cython 是一个静态类型的 Python 超集，它允许你使用类似于 C 或 C++ 的类型声明来编写 Python 代码。Cython 的主要目的是为了提高 Python 代码的执行效率。当你的 Python 代码被 Cython 编译器处理时，它会被转换为 C 或 C++ 代码，然后通过标准的 C/C++ 编译器（如 GCC）编译成机器码。

这个过程实际上就是将一部分或全部的 Python 代码转换为编译型语言，再编译成二进制形式。

编译环境准备：
在pyCharm结合python解释器解释python后，您还需准备机子上配置C/C++编译器，本来试想这能否使用Dev-C++软件三自带的MinGW，配置MinGW\bin为系统变量Path作为环境变量，用来支持cython编译，可是发现不支持，需要安装visual studio c++编译工具，这里是个坑，希望大家不要跳。

准备cython库：

pip install cython

安装visual stuido c++编译器：
https://visualstudio.microsoft.com/zh-hans/visual-cpp-build-tools/
（下载安装buildTools在visual studio installer选中要安装的IDE集成开发工具，里面包含基本的c/c++编译器，建议把其他不必要的取消勾选，因为默认勾选的有好几个G）


给c/c++编译器配置环境变量，以便python环境中编译cython时能找得到编译器：
安装位置可以看得到，我的是：
C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Tools\MSVC\14.40.33807\bin\Hostx64\x64
编辑环境变量 —> 系统变量 —> Path 新增该路径

编写cython测试程序：
loop.pyx

def func():
    cdef int a = 1
    cdef int b = 1
    cdef int c = 1
    for a in range(1000):
        for b in range(1000):
            c = c + b
    return c

cython代码构建、打包成为c/c++编译程序的setup.py：

from setuptools import setup
from Cython.Build import cythonize

setup(
    ext_modules = cythonize("loop.pyx")
)

进行编译处理：

python setup.py build_ext --inplace

生成了下面二进制文件：
调用cython编译好后的扩展程序：
use_loop.py

import loop
import time

# 获取当前时间戳，单位为纳秒
start_time_ns = time.time_ns()

res = loop.func()
print(res)

# 再次获取时间戳
end_time_ns = time.time_ns()
# 计算差值，单位为毫秒
duration_ms = (end_time_ns - start_time_ns) // 1000000
print(duration_ms)

测试速度：

499500001
1  # 1ms

速度还是特别快的，所以这可以作为解决python速度问题的一种手段，至于用在哪些地方、巧妙的使用它，这是一个有待深入学习的话题@_@。