神操作、两行代码，提速 13 倍—让 Python 飞一般的感觉

Python 本身是一门运行较慢的语言，因此对于计算场景，最好的优化方式就是优化代码写法。你可以使用现有的科学计算库：比如 Numpy 和 Scipy。但如果想要在不使用低级语言(如 CPython、Rust 等)实现扩展的前提下实现一个新的算法时，该如何做呢?

对于某些特定的、尤其是针对数组的计算场景，Numba 可以显著加快代码的运行速度。在使用时，我们有时候需要调整一下原始代码，而有时候却又不需要做任何改动。当它真正起到作用时，效果将会非常明显。

在本篇文章中，我们会谈及以下几方面：

• 为什么 有时候单独使用 Numpy 是不够的
• Numba 的基础使用方式
• Numba 是如何在很高的层次上来对你的代码运行造成影响的

Numpy ”爱莫能助“的时刻

假设你想要将一个非常大的数组转变为按递增顺序排序：很好理解，就是将元素按值的大小升序排列，如：

[1, 2, 1, 3, 3, 5, 4, 6] → [1, 2, 2, 3, 3, 5, 5, 6]

以下是一个简单的就地转换方式：

def monotonically_increasing(a):
    max_value = 0
    for i in range(len(a)):
        if a[i] > max_value:
            max_value = a[i]
        a[i] = max_value

Numpy 运行很快，是因为它可以