来源:麦叔编程
今天同事给我扔了一个.pyd
文件,说让我跑个数据。然后我就傻了。。
不知道多少粉丝小伙伴会run .pyd代码文件?如果你也懵懵的,请继续往下读吧。。
今天科普下各类Python
代码文件的后缀,给各位Python
开发“扫扫盲”。
.py
最常见的Python代码文件后缀名,官方称Python源代码文件
。
不用过多解释了~
.ipynb
这个还是比较常见的,.ipynb
是Jupyter Notebook
文件的扩展名,它代表"IPython Notebook
"。
![57cda2b0a0b71131e57b34f2318e4934.png](https://i-blog.csdnimg.cn/blog_migrate/ec9e43b9f9daed6587232927f9e87719.png)
学过数据分析,机器学习,深度学习的同学一定不陌生!
.pyi
.pyi
文件是Python
中的类型提示文件,用于提供代码的静态类型信息。
一般用于帮助开发人员进行类型检查和静态分析。
示例代码:
# hellp.pyi
def hello(name: str) -> None:
print(f"hello {name}")
.pyi
文件的命名约定通常与相应的.py
文件相同,以便它们可以被自动关联在一起。
.pyc
.pyc
是Python
字节码文件的扩展名,用于存储已编译的Python
源代码的中间表示形式,因为是二进制文件所以我们无法正常阅读里面的代码。
![fefd37a0189c669f5545a3df011d9121.png](https://i-blog.csdnimg.cn/blog_migrate/21f0e38bc01ab84481da058d7e2da8c5.png)
.pyc
文件包含了已编译的字节码,它可以更快地被Python
解释器加载和执行,因为解释器无需再次编译源代码。
.pyd
.pyd
是Python
扩展模块的扩展名,用于表示使用C
或C++
编写的二进制Python
扩展模块文件。
.pyd
文件是编译后的二进制文件,它包含了编译后的扩展模块代码以及与Python
解释器交互所需的信息。
此外,.pyd
文件通过import
语句在Python
中导入和使用,就像导入普通的Python
模块一样。
由于
C
或C++
的执行速度通常比纯Python
代码快,可以使用扩展模块来优化Python
代码的性能,尤其是对于计算密集型任务。
.pyw
.pyw
是Python
窗口化脚本文件的扩展名。
它表示一种特殊类型的Python
脚本文件,用于创建没有命令行界面(即控制台窗口)的窗口化应用程序。
一般情况下,运行
Python
脚本会打开一个命令行窗口,其中显示脚本输出和接受用户输入。但是,对于某些应用程序,如图形用户界面(GUI)应用程序,不需要命令行界面,而是希望在窗口中显示交互界面。这时就可以使用.pyw
文件。
示例代码:
# click_button.pyw
import tkinter as tk
def button_click():
label.config(text="Button Clicked!")
window = tk.Tk()
button = tk.Button(window, text="Click Me", command=button_click)
button.pack()
label = tk.Label(window, text="Hello, World!")
label.pack()
window.mainloop()
# .pyx
.pyx
是Cython
源代码文件的扩展名。
Cython
是一种编译型的静态类型扩展语言,它允许在Python
代码中使用C
语言的语法和特性,以提高性能并与C
语言库进行交互。
我对比了下Cython与普通python的运行速度:
fb.pyx(需使用cythonize命令进行编译)
import fb
import timeit
def fibonacci(n):
if n <= 0:
raise ValueError("n必须是正整数")
if n == 1:
return 0
elif n == 2:
return 1
else:
a, b = 0, 1
for _ in range(3, n + 1):
a, b = b, a + b
return b
# 纯Python版本
python_time = timeit.timeit("fibonacci(300)", setup="from __main__ import fibonacci", number=1000000)
# Cython版本
cython_time = timeit.timeit("fb.fibonacci(300)", setup="import fb", number=1000000)
print("纯Python版本执行时间:", python_time)
print("Cython版本执行时间:", cython_time)
run.py
import fb
import timeit
def fibonacci(n):
if n <= 0:
raise ValueError("n必须是正整数")
if n == 1:
return 0
elif n == 2:
return 1
else:
a, b = 0, 1
for _ in range(3, n + 1):
a, b = b, a + b
return b
# 纯Python版本
python_time = timeit.timeit("fibonacci(300)", setup="from __main__ import fibonacci", number=1000000)
# Cython版本
cython_time = timeit.timeit("fb.fibonacci(300)", setup="import fb", number=1000000)
print("纯Python版本执行时间:", python_time)
print("Cython版本执行时间:", cython_time)
得出结果:
纯Python版本执行时间: 12.391942400000516
Cython版本执行时间: 6.574918199999956
在这种计算密集任务情况下,Cython
比普通Python
效率快了近一倍。
---END---
往期精彩回顾
适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑
交流群
欢迎加入机器学习爱好者微信群一起和同行交流,目前有机器学习交流群、博士群、博士申报交流、CV、NLP等微信群,请扫描下面的微信号加群,备注:”昵称-学校/公司-研究方向“,例如:”张小明-浙大-CV“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~(也可以加入机器学习交流qq群772479961)