print("定义一个装饰器计算每个函数的执行时间")
import time
def time_cal(func):
@functools.wraps(func)
def cal(*args,**kw):
start=time.time()
func(*args,**kw)
end=time.time()
print('function %s consume %s seconds' %(func.__name__,str(int(end)-int(start))))
return cal
@time_cal
def test_func():
sum=0
for num in range(100000000):
sum+=num
print(sum)
test_func()
print(test_func.__name__)
# 讲python代码编译成机器码进行执行,效率提升了100倍。甚至有时候比Java运行还快,但只是有时候
from numba import jit
@jit
def foo():
start=time.time()
sum=0
for i in range(100000000):
sum+=i
print('Sum: {}'.format(sum))
print('Time Used: {}'.format(time.time()-start))
foo()
运行结果:
可以看出,执行时间提高了100多倍
对比一下Java运行时间:
Java代码:
运行时间:
运行时间是40ms。
效率之所以高的原因是:numba将装饰器@jit修饰的函数编译成机器码函数执行,我们可以将numba用于处理Numpy数组的函数中,提高上百倍的运行速度。