c++ new数组_别再说Python慢(数组篇)

4种方法提升Python数组的效率

项目地址:

https://github.com/tushushu/flying-python​github.com

1. Python的列表为什么慢

Python的列表是一个动态的数组，即数组的size是可以调整的，数组存放着指向各个列表元素的指针(PyObject*)。列表中的各个元素可以是不同的类型，比如my_list = ['a', 1, True]。实际上数组里存放了三个指针，分别指向了这三个元素。那么相比其他语言的数组而言，为什么Python的列表会慢呢？原因主要是以下两个：

1. Python是动态类型语言，意味着类型检查要耗费额外的时间。

2. Python或者说Cpython没有JIT优化器。

2. 如何用Python执行快速的数组计算

目前比较主流的解决方案有如下几种：

1. Numpy - Numpy的array更像是C/C++的数组，数据类型一致，而且array的方法(如sum)都是用C来实现的。

2. Numba - 使用JIT技术，优化Numpy的性能。无论是调用Numpy的方法，还是使用for循环遍历Numpy数组，都可以得到性能提升。

3. Numexpr - 避免Numpy为中间结果分配内存，优化Numpy性能，主要用于大数组的表达式计算。

4. Cython - 为Python编写C/C++扩展。

接下来通过两个例子来演示如何通过这四种工具

3. 数组求平方和

arr 

3.1 for循环

def 

3.2 Numpy

import 

3.3 Numba

from 

3.4 Numexpr

import 

3.5 Cython

%

4. 数组变换

arr 

4.1 for循环

def 

4.2 Numpy

import 

4.3 Numba

from 

4.4 Numexpr

import 

4.5 Cython

%

5. 参考文章

How does python have different data types in an array?
Why are Python Programs often slower than the Equivalent Program Written in C or C++?
How Fast Numpy Really is and Why?