起因
众所周知,python的运行很慢。最近遇到一个需要中等频率处理百亿条数据的工作(还没办法直接用numpy的矩阵操作)。但我c++水平有限,加上读取、处理数据的API(ArcPy)只支持python,所以不得不想办法优化运行速度。自然而然地想到了被很多人吹得神乎其技的numba。
快不起来?
numba只能让基于numba数组的操作变快。如果使用python原生的列表进行赋值、计算等操作,甚至会更慢。
numba运行报错?
numba快,确实快,但是想让他能运行起来,就要大幅改变在python中的写法。
尽可能使用局部变量
如果在装饰了@numba.jit(nopython=True)
的函数使用了外部定义的全局变量,一不小心就报错。写到最后,我是把要用到的所有变量,都以参数的形式传入了numba优化函数。
替换数据结构
如果以写python的思路写有numba参与的代码,分分钟报错,主要原因是numba不支持大量python内置函数及内置数据结构。大量数据结构需要用numba.types
中的数据结构代替。
-
numba不支持字典结构,需要使用
numba.types.Dict
代替。numba.types
包含了大量用于替换Python原生数据结构的数据结构。 -
numba不支持大量的Python内置函数。甚至连
int()
都不支持!
变量是静态类型的
用numba写Python代码,要持着写C/C++的思维才行。
- 如果在装饰了
@numba.jit(nopython=True)
的函数中创建了新的numpy数组,一定注意:赋值时,所赋值的类型必须和numpy数组的类型一致,似乎不存在任何的自动类型转换(至少我没遇到)。这比C/C++的类型检查还严格,C/C++有时候还会帮你做自动类型转换。 - 使用
numba.types
中的数据结构初始化变量时,要像在C/C++中那样,声明变量的类型。
让numba更快
这其实算是让numpy的内容。我一开始使用了np.append
函数去拼接numpy数组。但后来发现,一开始直接声明numpy数组的大小,并用索引赋值,比使用np.append
快了不知道多少倍。
欢迎交流~