python函数调用的例子_Python案例｜混用C函数

今天，我们来解决python的速度问题.我们平时所说的Python是指在PC机上的CPython，换句话说，Python的解释器是用C语言编写的。为Python编写C扩展模块能够显著提高Python的执行速度，眼下有好几种方案可以完成这件事。

使用Python自带的 ctypes 模块在Python内直接调用C的动态链接库代码，这对于调用现有的库,一些不开源的库很有用.

用Python自带的c API来写模块，当然是用c/c++来编写

用 Cython 的新语法来写扩展模块，这种新语法看起来既像Python又像C,是个语法混合体，但还有很多人推崇, 其优点是可以同时调用C函数和Python函数。但其语法小编着实看着头大,有兴趣的可以自行研究.

用wsig, sip, boost.python等这些老派方法，他们都有各自的专门的要求，小编没用过，就不妄下评论了。

使用pybind11来写Python扩展模块。这个好东西小编一定说几句，很值得一看，它只有头文件，用些简单的写法就可以封装C/C++的代码，待编译出动态链接库后，Python可以直接导入使用，小编曾在Mac OSX系统上写过pyOF库，封装了一个开源C++库的一部分代码，后来就没有时间弄了。推荐pybind11啊，它用来封装C++非常方便，大家可以到网上搜索一下。

使用 cffi 模块。它本是pypy的一部分，pypy就是一个高速版Python，这个cffi也支持CPython, 它是ctypes的替代方案，在Python内写C代码和调用C动态库代码，但是比ctypes更方便，干净。

我们这里介绍的就是cffi, 它也是做 pyTorch 人工智能编程时官方推荐的使用方法。下面提供两段代码，分别是纯python编写，和使用cffi编写，算法都有一样，函数做10000次递归，在重复1000次。 对比一下他们的执行速度。

以上代码是在 Ubuntu 16 ，python 2.7下测试. 我们可以看到这个例子中，使用cffi模块混入C 代码编程，使效率提升70倍，当然算法不同，参数不同都会引发对比结果的大幅变动，并不是绝对的，这个仅仅是给大家一个直观的感受.

从以上代码就可以看出来，我们仅仅是混合了两种语言，并不需要学习第三方的专有语法，就可以调用C代码。当然cffi不止这一种用法。这里只给出一个最为直观的用法， 它运行时会在后台调用c编译器。前提是你的机器上已经安装有C/C++编译器工具，python需安装cffi模块.

在众多方法中，网上有评测显示 cff i并不是最快速的方法. 最接近原生Pytohn C API的方法才是提速最快的方法，但使用 Pytohn C API 的方法实在是很麻烦地，所以说，根据不同的场景选择最合适的就是最好的。

对C语言，追求简单，上手快, 不用多学习, 懒人...... 我推荐 cffi, 对C++语言，第三方C++库, 我推荐 pybind11。