本文以Python实现蒙特卡洛法计算圆周率为例，探讨Python的运行效率。通过纯Python计算，Numba加速及像素法数计算，展示Python在高性能计算中的优化策略。Numba加速可使计算速度提升约7倍，而在像素法中，Numba加速效果更佳。
Python高性能编程
不定时更新，整理备份+个人实验。
举个例子
Python开发速度快，但是运行速度很慢，和静态的C/C++，Java相比，运行速度往往能相差百倍。（如果刷过力扣就会注意到python需要100+ms的算法，而Java只需要几ms，泪奔）
Python牺牲了运算速度而提高了开发速度，写辅助脚本是非常不错的选择，而作为高性能计算效果可能不如静态语言。
本文以蒙特卡洛法计算圆周率作为范例，探讨不同方案的优化情况。
蒙特卡洛法计算圆周率思路
参考自北京理工大学嵩天老师的慕课《Python程序设计》。
在正方向中任取一点，则此点落在圆内的概率
P = S c i r c l e S s q u a r e = π r 2 2 r ⋅ 2 r = π 4 P = \frac{S_\mathrm{circle}}{S_\mathrm {square}} = \frac{\pi r^2}{2r\cdot2r} = \frac{\pi}{4} P=Ssquare
最低0.47元/天 解锁文章
2802
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
