【Python模块介绍使用】Numba优化Python性能

✨博文作者 wangzirui32
喜欢的可以 点赞 收藏 关注哦~~
我的第156篇原创作品
本文首发于CSDN，未经许可禁止转载

---

hello，大家好，我是wangzirui32，今天我们来学习如何使用Numba优化Python性能，开始学习吧！

1. Numba简介

Numba是Python的即时编译器，当你调用函数时，函数代码将转换为机器码，以你的本机机器码速度运行，可以大大提高代码的运行速度。

2. Numba安装

Numba只需要使用pip命令安装，如下：

pip install numba

安装无报错即成功。

3. 示例

3.1 一个例子

我们举一个求解1000里有多少个质数的例子，代码如下：

import time

def is_prime(n):
    for i in range(2, n):
        if n % i == 0:
            return False
    return True

def prime_in(n):
    primes = []
    for i in range(2, n+1):
        if is_prime(i):
            primes.append(i)

    return primes

start = time.time()
print(len(prime_in(1000)))
end = time.time()

print("程序运行时间：{}".format(end-start))

运行结果：

168
程序运行时间：0.016394853591918945

如果求100000里有多少个质数呢？（prime_in(1000)改为prime_in(100000)）

9592
程序运行时间：23.66012716293335

运行时间明显大幅度上升，如何优化性能呢?

3.2 jit装饰器

对代码进行修改：

import time
from numba import jit    # 导入jit装饰器

@jit(nopython=True)
def is_prime(n):
    for i in range(2, n):
        if n % i == 0:
            return False
    return True

@jit(nopython=True)
def prime_in(n):
    primes = []
    for i in range(2, n+1):
        if is_prime(i):
            primes.append(i)

    return primes

start = time.time()
print(len(prime_in(100000)))
end = time.time()

print("程序运行时间：{}".format(end-start))

结果截然不同：

9592
程序运行时间：3.5163464546203613

jit装饰器是用来做什么的呢？
jit的全称是Just-In-Time，用此装饰器“装饰”的函数都可以获得循环处理等的性能优化，还对Numpy做了支持。
为了获得最佳的性能，建议jit装饰器中使用参数nopython=True，但其实它根本不使用Python解释器，@jit(nopython=True)也可以写为@njit（需要导入nijt）。

4. 其他资源

Github：https://github.com/numba/numba
官方文档：https://numba.readthedocs.io/en/stable/

---

好了，今天的课程就到这里，我是wangzirui32，喜欢的可以点个收藏和关注，我们下次再见！