Ubuntu 18.04 LTS安装numba python性能优化的比较：numba，pypy， cython

 

 

安装很简单, 我就不多废话了, 直接上指令:

sudo apt-get install llvm
sudo -H pip install numba

python 程序性能优化的套路一般有两种：1）jit， 即just in time compiler， 即时编译器，在运行时将某些函数编译成二进程代码，使用这种方式的有：numba 和pypy；2）将python代码转换成c++/c代码，然后编译执行，这种方式有：cython和nuitka。总而言之，转换成c++/c代码以后编译成二进制文件执行的效率比用numba和pypy即时编译执行的效率要高。

1. 首先看一下python写的求质数的函数 以及 用 numba的jit优化的函数

# main.py
 
# 纯python语言写的求质数的代码
def primes_python(nb_primes):
    p = []
    n = 2
    while len(p) < nb_primes:
        # Is n prime?
        for i in p:
            if n % i == 0:
                break
        # If no break occurred in the loop
        else:
            p.append(n)
        n += 1
    return p
 
 
# 使用numba的jit优化的代码，只需要在上面的函数加一行代码
from numba import jit
 
@jit
def primes_jit(nb_primes):
    p = []
    n = 2
    while len(p) < nb_primes:
        # Is n prime?
        for i in p:
            if n % i == 0:
                break
 
        # If no break occurred in the loop
        else:
            p.append(n)
        n += 1
    return p

 

2. 新建一个primes.pyx文件，写一个cython函数，其中声明了变量的类型

# primes.pyx
 
def primes(int nb_primes):
    cdef int n, i, len_p
    cdef int p[1000]
    if nb_primes > 1000:
        nb_primes = 1000
 
    len_p = 0  # The current number of elements in p.
    n = 2
    while len_p < nb_primes:
        # Is n prime?
        for i in p[:len_p]:
            if n % i == 0:
                break
 
        # If no break occurred in the loop, we have a prime.
        else:
            p[len_p] = n
            len_p += 1
        n += 1
 
    # Let's return the result in a python list:
    result_as_list  = [prime for prime in p[:len_p]]
    return result_as_list

再建立一个primes_python.pyx文件，新建一个和之前python里面写的一样的函数，作为对比。

# primes_python.pyx
 
def primes_python(nb_primes):
    p = []
    n = 2
    while len(p) < nb_primes:
        # Is n prime?
        for i in p:
            if n % i == 0:
                break
 
        # If no break occurred in the loop
        else:
            p.append(n)
        n += 1
    return p

新建setup.py文件，用来编译.pyx函数

from distutils.core import setup
from Cython.Build import cythonize
 
setup(
    ext_modules=cythonize(["primes.pyx", "primes_python.pyx"],
                          annotate=True)
)
 

 
# 编译命令用这个

# python setup.py build_ext --inplace

使用python setup.py build_ext --inplace编译后可以得到.pyd文件，就是可以导入的python库了。

3. 修改一下main.py， 加入函数调用和度量

# main.py 的完整内容
 
import primes
import primes_python
import timeit
from numba import jit
 
 
def primes_python(nb_primes):
    p = []
    n = 2
    while len(p) < nb_primes:
        # Is n prime?
        for i in p:
            if n % i == 0:
                break
 
        # If no break occurred in the loop
        else:
            p.append(n)
        n += 1
    return p
 
 
@jit
def primes_jit(nb_primes):
    p = []
    n = 2
    while len(p) < nb_primes:
        # Is n prime?
        for i in p:
            if n % i == 0:
                break
 
        # If no break occurred in the loop
        else:
            p.append(n)
        n += 1
    return p
 
 
if __name__ == "__main__":
    repeat_times = 1000
 
    t1 = timeit.timeit(stmt="primes_python(1000)",
                       setup="from __main__ import primes_python", number=repeat_times)
    print(f"run in python: {t1}s")
    t2 = timeit.timeit(stmt="primes.primes(1000)",
                       setup="import primes", number=repeat_times)
    print(f"run cython with cdef: {t2}s")
    t3 = timeit.timeit(stmt="primes_jit(1000)",
                       setup="from __main__ import primes_jit", number=repeat_times)
    print(f"run in python with numba jit: {t3}s")
    t4 = timeit.timeit(stmt="primes_python.primes_python(1000)",
                       setup="import primes_python", number=repeat_times)
    print(f"run cython without cdef: {t4}s")
 
运行一下，得到的结果如下：

run in python: 28.519053545829927s
run cython with cdef: 1.6289360376895452s
run in python with numba jit: 2.0565857326599577s
run cython without cdef: 13.221758278866588s

4. 测试一下pypy的结果，建立primes_pypy.py文件：

# primes_pypy.py
 
import timeit
 
 
def primes_python(nb_primes):
    p = []
    n = 2
    while len(p) < nb_primes:
        # Is n prime?
        for i in p:
            if n % i == 0:
                break
 
        # If no break occurred in the loop
        else:
            p.append(n)
        n += 1
    return p
 
 
if __name__ == "__main__":
    repeat_times = 1000
 
    t1 = timeit.timeit(stmt="primes_python(1000)",
                       setup="from __main__ import primes_python", number=repeat_times)
    print(f"run in pypy: {t1}s")

使用pypy3 primes_pypy.py 运行文件， 得到结果如下：

run in pypy: 3.0445395345987682s
5.  nuitka的暂时没弄出来， 总体的运行结果如下：

run in python: 28.519053545829927s
run cython with cdef: 1.6289360376895452s
run in python with numba jit: 2.0565857326599577s
run cython without cdef: 13.221758278866588s
 
run in pypy: 3.0445395345987682s

基本上jit的效果很明显，也不用改动python代码。

原文链接：https://blog.csdn.net/xiaozisheng2008_/article/details/85266511