numba，让你的Python飞起来！

点击上方“Python数据之道”，选择“星标公众号”

收藏文章的同时，不要忘记「在看」

python 由于它动态解释性语言的特性，跑起代码来相比 java、c++ 要慢很多，尤其在做科学计算的时候，十亿百亿级别的运算，让 python 的这种劣势更加凸显。

办法永远比困难多，numba 就是解决 python 慢的一大利器，可以让 python 的运行速度提升上百倍！

1 什么是numba？

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。

python 之所以慢，是因为它是靠 CPython 编译的，numba 的作用是给 python 换一种编译器。

python、c、numba三种编译器速度对比

使用 numba 非常简单，只需要将 numba 装饰器应用到 python 函数中，无需改动原本的 python 代码，numba 会自动完成剩余的工作。

import numpy as np	
import numba	
from numba import jit	

	
@jit(nopython=True) # jit，numba装饰器中的一种	
def go_fast(a): # 首次调用时，函数被编译为机器代码	
    trace = 0	
    # 假设输入变量是numpy数组	
    for i in range(a.shape[0]):   # Numba 擅长处理循环	
        trace += np.tanh(a[i, i]) 	
    return a + trace

以上代码是一个python函数，用以计算numpy数组各个数值的双曲正切值，我们使用了numba装饰器，它将这个python函数编译为等效的机器代码，可以大大减少运行时间。

2 numba适合科学计算

numpy是为面向numpy数组的计算任务而设计的。

在面向数组的计算任务中，数据并行性对于像GPU这样的加速器是很自然的。Numba了解NumPy数组类型，并使用它们生成高效的编译代码，用于在GPU或多核CPU上执行。特殊装饰器还可以创建函数，像numpy函数那样在numpy数组上广播。

什么情况下使用numba呢？

• 使用numpy数组做大量科学计算时
  

• 使用for循环时

3 学习使用numba

第一步：导入numpy、numba及其编译器

import numpy as np	
import numba 	
from numba import jit

第二步：传入numba装饰器jit，编写函数

# 传入jit，numba装饰器中的一种	
@jit(nopython=True) 	
def go_fast(a): # 首次调用时，函数被编译为机器代码	
    trace = 0	
    # 假设输入变量是numpy数组	
    for i in range(a.shape[0]):   # Numba 擅长处理循环	
        trace += np.tanh(a[i, i])  # numba喜欢numpy函数	
    return a + trace # numba喜欢numpy广播

nopython = True选项要求完全编译该函数（以便完全删除Python解释器调用），否则会引发异常。这些异常通常表示函数中需要修改的位置，以实现优于Python的性能。强烈建议您始终使用nopython = True。

第三步：给函数传递实参

# 因为函数要求传入的参数是nunpy数组	
x = np.arange(100).reshape(10, 10) 	
# 执行函数	
go_fast(x)

第四步：经numba加速的函数执行时间

第五步：不经numba加速的函数执行时间

输出：

结论：

在numba加速下，代码执行时间为3.63微秒/循环。不经过numba加速，代码执行时间为136微秒/循环，两者相比，前者快了40倍。

4 numba让python飞起来

前面已经对比了numba使用前后，python代码速度提升了40倍，但这还不是最快的。

这次，我们不使用numpy数组，仅用for循环，看看nunba对for循环到底有多钟爱！

输出：

输出：

使用numba前后分别是408微秒/循环、1.57微秒/循环，速度整整提升了200多倍！

5 结语

numba对python代码运行速度有巨大的提升，这极大的促进了大数据时代的python数据分析能力，对数据科学工作者来说，这真是一个lucky tool ！

当然numba不会对numpy和for循环以外的python代码有很大帮助，你不要指望numba可以帮你加快从数据库取数，这点它真的做不到哈。

作者 | 朱卫军

来源 | Python大数据分析

-------------------End-------------------

 「Python数据之道 」建立了读者交流群，大家可以添加管理员微信进行加群

扫描添加好友

回复 “资源”

• 推荐 | 免费获取《Python知识手册》

• Matplotlib最有价值的50个图表

• 可视化神器推荐（Plotly Express）

• Python web 开发哪家强？

柠檬2069

遇见未来

挖掘更好的自己

觉得内容还不错的话，给我点个“在看”呗