python中文教程github_GitHub - Sean16SYSU/CPython-Tutorial-zh: 中文CPython教程

CPython-Tutorial-zh

简述

Python有时候太慢，如果手动编译C或者是C++来写#include的文件也比较麻烦。

CPython无疑是一个比较好的选择。

改进的理由

来源于link1的

每一行的计算量很少，因此python解释器的开销就会变的很重要。

数据的局部性原理：很可能是，当使用C的时候，更多的数据可以塞进CPU的cache中，因为Python的元素都是Object，而每个Object都是通过字典实现的，cache对这个数据不很友好。

项目

Hello World项目

第一个项目是Hello world。

创建一个文件helloworld.pyx，内容如下：

print("Hello world!")

保存后，创建setup.py文件，内容如下：

from distutils.core import setup

from Cython.Build import cythonize

setup(

ext_modules = cythonize("helloworld.pyx")

)

保存后，命令行进入setup.py所在目录，并输入python setup.py build_ext --inplace，如下：

PS D:\Code\CPython\Test> python setup.py build_ext --inplace

Compiling helloworld.pyx because it changed.

[1/1] Cythonizing helloworld.pyx

running build_ext

building 'helloworld' extension

creating build

creating build\temp.win-amd64-3.6

creating build\temp.win-amd64-3.6\Release

C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.13.26128\bin\HostX86\x64\cl.exe /c /nologo /Ox /W3 /GL /DNDEBUG /MD -IC:\Users\lijy2\AppData\Local\Programs\Python\Python36\include -IC:\Users\lijy2\AppData\Local\Programs\Python\Python36\include "-IC:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.13.26128\ATLMFC\include" "-IC:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.13.26128\include" "-IC:\Program Files (x86)\Windows Kits\NETFXSDK\4.6.1\include\um" "-IC:\Program Files (x86)\Windows Kits\10\include\10.0.16299.0\ucrt" "-IC:\Program Files (x86)\Windows Kits\10\include\10.0.16299.0\shared" "-IC:\Program Files (x86)\Windows Kits\10\include\10.0.16299.0\um" "-IC:\Program Files (x86)\Windows Kits\10\include\10.0.16299.0\winrt" "-IC:\Program Files (x86)\Windows Kits\10\include\10.0.16299.0\cppwinrt" /Tchelloworld.c /Fobuild\temp.win-amd64-3.6\Release\helloworld.obj

helloworld.c

C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.13.26128\bin\HostX86\x64\link.exe /nologo

/INCREMENTAL:NO /LTCG /DLL /MANIFEST:EMBED,ID=2 /MANIFESTUAC:NO /LIBPATH:C:\Users\lijy2\AppData\Local\Programs\Python\Python36\libs /LIBPATH:C:\Users\lijy2\AppData\Local\Programs\Python\Python36\PCbuild\amd64 "/LIBPATH:C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.13.26128\ATLMFC\lib\x64" "/LIBPATH:C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.13.26128\lib\x64" "/LIBPATH:C:\Program Files (x86)\Windows Kits\NETFXSDK\4.6.1\lib\um\x64" "/LIBPATH:C:\Program Files (x86)\Windows Kits\10\lib\10.0.16299.0\ucrt\x64" "/LIBPATH:C:\Program Files (x86)\Windows Kits\10\lib\10.0.16299.0\um\x64" /EXPORT:PyInit_helloworld build\temp.win-amd64-3.6\Release\helloworld.obj /OUT:D:\Code\CPython\Test\helloworld.cp36-win_amd64.pyd /IMPLIB:build\temp.win-amd64-3.6\Release\helloworld.cp36-win_amd64.lib

正在创建库 build\temp.win-amd64-3.6\Release\helloworld.cp36-win_amd64.lib 和对象 build\temp.win-amd64-3.6\Release\helloworld.cp36-win_amd64.exp

正在生成代码

已完成代码的生成

在该目录下的命令行进入Python操作界面，导入包之后，就会自动输出Hello world!，如下：

PS D:\Code\CPython\Test> python

Python 3.6.6 (v3.6.6:4cf1f54eb7, Jun 27 2018, 03:37:03) [MSC v.1900 64 bit (AMD64)] on win32

Type "help", "copyright", "credits" or "license" for more information.

>>> import helloworld

Hello world!

这就完成了一个简单的CPython的扩展书写。下面再举例子。

Fibonacci Function项目

斐波那契数列：1, 1, 2, 3, 5,...

前两位为1，之后每个数等于前面两个数之和。

创建fib.pyx，内容如下：

from __future__ import print_function

def fib(n):

a, b = 0, 1

while b < n:

print(b, end=' ')

a, b = b, a + b

print()

创建setup.py文件，内容如下：

from distutils.core import setup

from Cython.Build import cythonize

setup(

ext_modules = cythonize("fib.pyx")

)

通过命令python setup.py build_ext --inplace，生成出来的文件：

import fib

fib.fib(100)

输出：

1 1 2 3 5 8 13 21 34 55 89

但是经过测试之后，发现速度并没有很高的提升，很可能是操作本来就很简单，数值也很小，没什么优化的空间了。

Primes项目

给一个数值n，输出前n个质数(list)。

写到primes.pyx中：

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

n = 2

while len_p < nb_primes:

for i in p[:len_p]:

if n % i == 0:

break

else:

p[len_p] = n

len_p += 1

n += 1

result_as_list = [prime for prime in p[:len_p]]

return result_as_list

同理，setup.py文件内容为：

from distutils.core import setup

from Cython.Build import cythonize

setup(

ext_modules = cythonize("primes.pyx")

)

在参考的link中给出了测试的案例，有些解释的不太好，我这边描述一下

直接使用Python实现版本，平均用时23ms

Python版本用CPython编译(对，直接把Python文件名字像pyx一样放进去就好了)， 平均用时11ms

pyx的CPython编译版本，平均用时1.6ms

Stat项目

注意，这里不能直接使用stat，因为似乎是有这个库了emmmm

stat_.pyx:

from libc.math cimport sqrt

def mean(list arr):

cdef:

int i

int sz

double tmp

tmp = 0

sz = len(arr)

for i in range(sz):

tmp += arr[i]

return tmp / sz

def std(list arr):

cdef:

double m = mean(arr)

int sz, i

double tmp

sz = len(arr)

tmp = 0

for i in range(sz):

tmp += (arr[i] - m) ** 2

return sqrt(tmp)

setup.py:

from distutils.core import setup

from Cython.Build import cythonize

setup(

ext_modules = cythonize("stat_.pyx")

)

命令还是一样的：python setup.py build_ext --inplace

测试：

>>> import stat_

>>> a = [1,2,3]

>>> stat_.mean(a)

2.0

>>> stat_.std(a)

1.4142135623730951

速度对比

均值：提高一倍

std：提高一倍

Count项目

统计数量，返回字典，在代码完全一样的前提下，速度仍然提高了一倍。

count.pyx

def count(list arr):

d = {}

for n in arr:

if n not in d:

d[n] = 1

else:

d[n] += 1

return d

setup.py

from distutils.core import setup

from Cython.Build import cythonize

setup(

ext_modules = cythonize("count.pyx")

)