python使用numba加速

  不说了，我们来看一下：

    #-*-coding:utf-8-*-
    import time
    import pandas as pd
    def time_com(i):
        cum = 0
        for test in range(i):
            for ind in range(i):
                cum += (test * ind) % 3
     
    if __name__ == '__main__':
        t1 = time.clock()
        df = pd.DataFrame()
        for i in range(500):
            time_com(i)
        t2 = time.clock()
        print "run time:%f s" % (t2 - t1)

控制台上输出的结果是：

run time:7.714948 s

 

 

接下来，我们只加入两行代码，分是是引入numba包，一个是用装饰器修饰我们的计算函数：

    #-*-coding:utf-8-*-
    import time
    import pandas as pd
    from numba import jit
     
    @jit
    def time_com(i):
        cum = 0
        for test in range(i):
            for ind in range(i):
                cum += (test * ind) % 3
     
    if __name__ == '__main__':
        t1 = time.clock()
        df = pd.DataFrame()
        for i in range(500):
            time_com(i)
        t2 = time.clock()
        print "run time:%f s" % (t2 - t1)
     
     
     

我们来看一下结果;

run time:0.190903 s

        不说了，勇敢的去加速吧，笔者还特地是用来pandas，然而还是可以加速。但是，要注意的是，在jit装饰器装饰的函数中，不可以有第三方的package哦。

原文：https://blog.csdn.net/qtlyx/article/details/78586229