Python3：只用一个装饰器，就让python的运行速度提升200倍！！

最新推荐文章于 2023-10-17 16:20:15 发布

置顶 Carl_奕然

最新推荐文章于 2023-10-17 16:20:15 发布

阅读量1w

点赞数 44

分类专栏： Python开发实战及代码示例讲解文章标签： python 数据分析编程语言机器学习人工智能

本文链接：https://blog.csdn.net/wuyoudeyuer/article/details/119567453

版权

Python开发实战及代码示例讲解专栏收录该内容

128 篇文章 206 订阅

订阅专栏

本文介绍了Python的Numba库，它是一个JIT编译器，能够将Python函数编译成机器代码，显著提升科学计算的运行速度。通过简单示例展示了Numba的使用方法，包括如何安装和应用在数值计算中。对比了使用Numba前后运行时间的差异，证明了Numba在提高Python代码性能方面的强大能力。最后，通过求解1000万个以内素数的例子，进一步说明Numba带来的速度提升。

摘要由CSDN通过智能技术生成

1、引言

小屌丝：鱼哥，我今天被鄙视了
小鱼：因为你的颜值被鄙视了？？
小屌丝：咱还能正常聊天吗？？
小鱼：好吧，我已经很正经的说话了，那你说吧，因为啥被鄙视了？
小屌丝：今天一个小菜鸟说C语言是世界上运行速度最快的语言，我非常不服气~~
小鱼：那有啥不服气的，我都觉得这话说得没啥毛病。
小屌丝：鱼哥，小姐姐说谁的速度快，就跟谁YYSX。
小鱼：那…这… 我赞同，我也表示不服。

看样子，小姐姐是动力的源头！

在这里插入图片描述

2、Numba

关于Numba的详细文档，点击Numba传送门即被可传送。
但是文档归文档，我们还是要简单的说一下Numba。

2.1 简介

numba 是一款可以将 python 函数编译为机器代码的JIT编译器，经过 numba 编译的python 代码（仅限数组运算），其运行速度可以接近 C 或 FORTRAN 语言。

小屌丝：看样子很厉害的哦，那使用起来，是不是很难呢？
小鱼：不难不难，到底有多容易，请往下看：

三不要：

不需要替换Python解析器
不需要单独编译
不需要安装C/C++编译器

一需要：

将 Numba 提供的装饰器放在 Python 函数上面就行

小屌丝：哎哟~总结的还挺到位。
小鱼：没事别说话，打断我思路了都！！

2.2 安装

在撸码前，需要确认，是否已经有numba这个库，
如果没有的话，那我们回想一下，有几种方法呢？？？

不管哪种方法，能安装上就是可行的。
在这里，小鱼就直接举例单独安装：

pip install numba

详细可参考:
《Python3：我低调的只用一行代码，就导入Python所有库！》；
《Python3，选择Python自动安装第三方库，从此跟pip说拜拜！！》

2.3 代码实例

安装完numba库，那就直接上代码，展示一下速度…

看看能不能比我们的苏神跑的快！

实例一：
我们看看调用jit的样子

# -*- coding:utf-8 -*-
# @Time   : 2021-08-08
# @Author : carl_DJ

from numba import jit
import random

# 调用jit装饰器
@jit(nopython=True)
def mot_pi(nsamples):
    acc =0
    for i in range(nsamples):
        x = random.random()
        y = random.random()
        if (x ** 2 + y ** 2) <1.0 :
            acc +=1
    return 8.0 * acc /nsamples

实例二
Numba 是专为科学计算而设计的，在与 NumPy 一起使用时，Numba 会为不同的数组数据类型生成专门的代码，以优化性能为主，
上代码：

# -*- coding:utf-8 -*-
# @Time   : 2021-08-08
# @Author : carl_DJ

@numba.jit(nopython=True, parallel=True)
def logistic_regress(X, Y, w, iterations):
    for i in range(iterations):
        w -= np.dot(((1.0 /
              (1.0 + np.exp(-Y * np.dot(X, w)))
              - 1.0) * Y), X)
    return w

小屌丝：这个…我看不懂…
小鱼：看不懂啊，没关系，毕竟不是每个人都对科学计算有兴趣。
小屌丝：你这是在侮(xiu)辱我！！！
小鱼：你不配~ ~

如果大家看不懂这个实例，没事没事，别灰心，
接下来，我们就来搞个大一点的事情。
在这里插入图片描述

3、代码实战

上面的代码，就是一个热身了~ ~
接下来，我们就用正儿八经的例子，看看Numba的运行速度有多快。

有了苏神的速度，还担心妹子不跟咱YYXS吗！！

在这里插入图片描述
举个例子
我们使用和不使用Numba,来找出1000个W以内所有的素数。

3.1 不使用Numba

我们不使用Numba，来看看花费多长时间。
上代码

# -*- coding:utf-8 -*-
# @Time   : 2021-08-08
# @Author : carl_DJ

import math
import time

def is_prime(num):
    if num == 2:
        return True
    if num <= 1 or not num % 2:
        return False
    for div in range(3, int(math.sqrt(num) + 1), 2):
        if not num % div:
            return False
    return True

def run_program(N):
    total = 0
    for i in range(N):
        if is_prime(i):
            total += 1
    return total


if __name__ == "__main__":
    N = 10000000
    start = time.time()
    total = run_program(N)
    end = time.time()
    print(f"1000W以内所有的素数是： {total}")
    print(f"耗时： {end - start}s")

运行结果

1000W以内所有的素数是： 664579
耗时： 245.93426966667175s

小屌丝：好吧，这运行速度，确实有点…
小鱼：别灰心啊，我们不是还有Numba吗。

3.2 使用Numba

我们使用Numba，看看花费多长时间。
上代码

# -*- coding:utf-8 -*-
# @Time   : 2021-08-08
# @Author : carl_DJ

import math
import time
from numba import njit

# @njit 相当于 @jit(nopython=True) 
@njit
def is_prime(num):
    if num == 2:
        return True
    if num <= 1 or not num % 2:
        return False
    for div in range(3, int(math.sqrt(num) + 1), 2):
        if not num % div:
            return False
    return True

# #普通循环计算，
# @njit
# def run_program(N):
#     total = 0
#     #普通range循环处理
#     for i in range(N):
#         if is_prime(i):
#             total += 1
#     return total

#使用Numba的prange来进行并发循环计算
@njit(parallel = True)
def run_program(N):
    total = 0
    #使用Numba提供的prange参数来进行并行计算
    for i in prange(N):
        if is_prime(i):
            total += 1
    return total


if __name__ == "__main__":
    N = 10000000
    start = time.time()
    total = run_program(N)
    end = time.time()
    print(f"1000W以内所有的素数是： {total}")
    print(f"耗时： {end - start}s")

运行结果

未使用Numba的prange运行结果，如下：

1000W以内所有的素数是： 664579
耗时： 11.453454494476318s

使用Numba的prange运行结果，如下：

total prime num is 664579
cost 5.30582857131958s

在这里插入图片描述

小屌丝：我的天啊，这么神奇吗~
小鱼：必须的。
小屌丝：鱼哥，鱼哥，它是怎么做到的？？
小鱼：嗯，我们来看看官方文档怎么解释的。

官方文档解释：
它读取装饰函数的 Python 字节码，并将其与有关函数输入参数类型的信息结合起来，分析和优化代码，最后使用编译器库（LLVM）针对你的 CPU 生成量身定制的机器代码。每次调用函数时，都会使用此编译版本，

小屌丝：原来如此…看来我今晚和小姐姐YYSX 是有戏了。
小鱼：就这点出息了！！！

4、总结

虽然Python是动态语言，有全局解释器锁，比其他静态语言要慢，
但是，通过今天小鱼分享的Numba，是不是把你心中那一团火又燃烧了。
说归说，闹归闹，官方文档最重要！
所以，关于更多的Numba的知识，还请异步到官方文档
倒数三个数，开始上链接，宝宝们准备好。
3
2
1

官网文档：http://numba.pydata.org/numba-doc/latest/index.html

Carl_奕然

关注

44
点赞
踩
247

收藏

觉得还不错? 一键收藏
打赏
25
评论
Python3：只用一个装饰器，就让python的运行速度提升200倍！！

让python运行速度更快1、引言2、Numba2.1 简介2.1.1 安装2.1.2 代码实例3、代码实战3.1 不使用Numba3.2 使用Numba4、总结1、引言小屌丝：鱼哥，我今天被鄙视了小鱼：因为你的颜值被鄙视了？？小屌丝：咱还能正常聊天吗？？小鱼：好吧，我已经很正经的说话了，那你说吧，因为啥被鄙视了？小屌丝：今天一个小菜鸟说C语言是世界上运行速度最快的语言，我非常不服气~~小鱼：那有啥不服气的，我都觉得这话说得没啥毛病。小屌丝：鱼哥，小姐姐说谁的速度快，就跟谁YYSX。小鱼
复制链接

扫一扫