公司 网站建设,深圳工业设计中心,哈尔滨网站建设服务,设计公司的企业使命迷途小书童的 Note 读完需要 6分钟 速读仅需 2 分钟 1 简介 Python 是一门应用非常广泛的高级语言#xff0c;但是#xff0c;长久以来#xff0c;Python的运行速度一直被人诟病#xff0c;相比 c/c、java、c#、javascript 等一众高级编程语言#xff0c;完全没有优势。 那… 迷途小书童的 Note 读完需要 6分钟 速读仅需 2 分钟 1 简介 Python 是一门应用非常广泛的高级语言但是长久以来Python的运行速度一直被人诟病相比 c/c、java、c#、javascript 等一众高级编程语言完全没有优势。 那么真的没有办法提升 Python 程序的运行速度吗相信看完本文你应该会有答案。 2 示例 这里以找出 1000000 以内的质数为例分别计算下需要花费多长的时间 首先来回顾下什么是质数 质数(Prime number)又称素数指在大于 1 的自然数中除了 1 和该数本身外无法被其他自然数整除(也可定义为只有 1 与该数本身两个因数)。举个例子比如说数字 7从 2 开始一直到 6都不能被它整除只有 1 和它本身 7 才能被 7 整除所以 7 就是一个质数。 下面来看看 python 的代码实现 import math
import timedef is_prime(num):if num 2:return Trueif num 1 or not num % 2:return False# 从3开始到int(根号num)1步长是2如3,5,7 ...for i in range(3, int(math.sqrt(num)) 1, 2):if not num % i:return Falsereturn Truedef run_program(N):for i in range(N):is_prime(i)if __name__ __main__:N 1000000start time.time()run_program(N)end time.time()print(end - start) 执行代码可以看到在我的老旧 i5 机器上总共花费了 5 秒多 3 改进 大家都知道解释型语言解释器不产生目标机器代码而是产生中间代码解释器通常会导致执行效率较低。 因此问题就变成了能不能将 python 代码翻译成机器码那执行效率肯定就会大大提升了 numba 就是这么一款工具它是 python 的即时编译器(just-in-time compiler)它使用 LLVM 将 python 代码翻译成机器码特别是在使用 numpy 数组以及循环操作上效果最佳。 numba 的使用比较简单我们不需要更换 python 的解释器只需要将 numba 的装饰器写在 python 方法上当这个带有 numba 装饰器的方法被调用时就会被 just-in-time 即时编译为机器代码然后执行。目前 numba 支持在 X86、ARM 等多种架构上进行动态编译。 使用 numba 之前我们需要安装这个库 pip install numba或者
conda install numba 下面来看看 numba 版本的质数问题 import math
import time
from numba import njitnjit(fastmathTrue, cacheTrue)
def is_prime(num):if num 2:return Trueif num 1 or not num % 2:return Falsefor i in range(3, int(math.sqrt(num)) 1, 2):if not num % i:return Falsereturn Truenjit(fastmathTrue, cacheTrue)
def run_program(N):for i in range(N):is_prime(i)if __name__ __main__:N 10000000start time.time()run_program(N)end time.time()print(end - start) 执行上述代码可以看到速度提升了 4 倍左右不到 1 秒效果还是非常明显 最后作为横向比较我们使用 c 语言也写一个类似的程序 #include iostream
#include cmath
#include time.husing namespace std;bool isPrime(int num)
{if (num 2) return true;if (num 1 || num % 2 0) return false;double sqrt_num sqrt(double(num));for (int i 3; i sqrt_num; i 2) {if (num % i 0) return false;}return true;
}int main()
{int N 1000000;clock_t start, end;start clock();for (int i0; i N; i) isPrime(i);end clock();cout (end - start) / ((double)CLOCKS_PER_SEC);return 0;
} 编译后执行可以看到只花了 0.4 秒 4 小结 从上面的对比示例中可以看到使用了 just-in-time compiler 后(numba、pypy 都是类似的实现)代码的执行效率已经直逼 C 等编译型语言了。 5 参考资料 https://numba.readthedocs.io/en/stable/index.html ( https://numba.readthedocs.io/en/stable/index.html ) 6 免费社群
