Python提高运行速度的方法

print("定义一个装饰器计算每个函数的执行时间")
import time
def time_cal(func):
    @functools.wraps(func)
    def cal(*args,**kw):
        start=time.time()
        func(*args,**kw)
        end=time.time()
        print('function %s consume %s seconds' %(func.__name__,str(int(end)-int(start))))
    return cal


@time_cal
def test_func():
    sum=0
    for num in range(100000000):
        sum+=num
    print(sum)

test_func()
print(test_func.__name__)


# 讲python代码编译成机器码进行执行，效率提升了100倍。甚至有时候比Java运行还快，但只是有时候
from numba import jit
@jit
def foo():
    start=time.time()
    sum=0
    for i in range(100000000):
        sum+=i
    print('Sum: {}'.format(sum))
    print('Time Used: {}'.format(time.time()-start))

foo()

运行结果：

可以看出，执行时间提高了100多倍

对比一下Java运行时间：

Java代码：

运行时间：

运行时间是40ms。

效率之所以高的原因是：numba将装饰器@jit修饰的函数编译成机器码函数执行，我们可以将numba用于处理Numpy数组的函数中，提高上百倍的运行速度。