python基础编程：使用numba对Python运算加速的方法

今天小编就为大家分享一篇使用numba对Python运算加速的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

有时候需要比较大的计算量，这个时候Python的效率就很让人捉急了，此时可以考虑使用numba 进行加速，效果提升明显~

(numba 安装貌似很是繁琐，建议安装Anaconda，里面自带安装好各种常用科学计算库）

from numba import jit
 
@jit
def t(count=1000):
 total = 0
 for i in range(int(count)):
  total += i
 return total

测试效果：

（关于__wrapped__ 见我的博文： 浅谈解除装饰器作用（python3新增） ）

In [17]: %timeit -n 1 t.__wrapped__()
1 loop, best of 3: 52.9 µs per loop
 
In [18]: %timeit -n 1 t()
The slowest run took 13.00 times longer than the fastest. This could mean that an intermediate result is being cached.
1 loop, best of 3: 395 ns per loop

可以看到使用jit 加速后，即使设置测试一次，实际上还是取了三次的最优值，如果取最坏值（因为最优值可能是缓存下来的），则耗时为395ns * 13 大概是5us 还是比不使用的52.9us 快上大概10倍，

增大计算量可以看到使用numba加速后的效果提升更加明显，

In [19]: %timeit -n 10 t.__wrapped__(1e6)
10 loops, best of 3: 76.2 ms per loop
 
In [20]: %timeit -n 1 t(1e6)
The slowest run took 8.00 times longer than the fastest. This could mean that an intermediate result is being cached.
1 loop, best of 3: 790 ns per loop

如果减少计算量，可以看到当降到明显小值时，使用加速后的效果（以最差计）与不加速效果差距不大，因此如果涉及到较大计算量不妨使用jit 加速下，何况使用起来这么

%timeit -n 1 t(10)
1 loop, best of 3: 0 ns per loop
 
%timeit -n 100 t.__wrapped__(10)
100 loops, best of 3: 1.79 µs per loop
 
%timeit -n 1 t(1)
The slowest run took 17.00 times longer than the fastest. This could mean that an intermediate result is being cached.
1 loop, best of 3: 395 ns per loop
 
%timeit -n 100 t.__wrapped__(1)
100 loops, best of 3: 671 ns per loop

以上这篇使用numba对Python运算加速的方法就是小编分享给大家的全部内容了
其实这里不仅有技术，更有那些技术之外的东西，比如，如何做一个精致的程序员，而不是“屌丝”，

程序员本身就是高贵的一种存在啊，难道不是吗？
内容就以上怎么多，最后给大家推荐一个口碑不错的

公众号【程序员学府】，这里有很多的老前辈学习技巧，学习心得，面试技巧，职场经历等分享，更为

大家精心准备了零基础入门资料，实战项目资料，每天都有程序员定时讲解Python技术，分享一些学习

的方法和需要留意的小细节，非常欢迎你的加入，未来的日子，编码之外，有你有我，一起做一个人不

傻，钱很多，活得久的快乐的程序员吧！