使用numba對Python運算加速的方法
更新時間：2018年10月15日 11:21:46 投稿：jingxian
今天小編就為大家分享一篇使用numba對Python運算加速的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
有時候需要比較大的計算量，這個時候Python的效率就很讓人捉急了，此時可以考慮使用numba 進行加速，效果提升明顯~
(numba 安裝貌似很是繁瑣，建議安裝Anaconda，里面自帶安裝好各種常用科學計算庫）
from numba import jit @jit def t(count=1000): total = 0 for i in range(int(count)): total += i return total
測試效果：
（關于__wrapped__ 見我的博文： 淺談解除裝飾器作用（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，即使設置測試一次，實際上還是取了三次的最優(yōu)值，如果取最壞值（因為最優(yōu)值可能是緩存下來的），則耗時為395ns * 13 大概是5us 還是比不使用的52.9us 快上大概10倍，
增大計算量可以看到使用numba加速后的效果提升更加明顯，
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
如果減少計算量，可以看到當降到明顯小值時，使用加速后的效果（以最差計）與不加速效果差距不大，因此如果涉及到較大計算量不妨使用jit 加速下，何況使用起來這么簡便。
%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
以上這篇使用numba對Python運算加速的方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關文章
Python使用cx_Oracle模塊將oracle中數(shù)據(jù)導出到csv文件的方法
這篇文章主要介紹了Python使用cx_Oracle模塊將oracle中數(shù)據(jù)導出到csv文件的方法,涉及Python中cx_Oracle模塊與csv模塊操作Oracle數(shù)據(jù)庫及csv文件的相關技巧,需要的朋友可以參考下2015-05-05
django項目的結構大體上都是類似,打包主要的功能就是把一些不需要部署的文件剔除,把需要部署的文件直接壓縮打包,下面這篇文章主要給大家介紹了關于Django項目打包完整步驟以及可能出現(xiàn)問題的相關資料,需要的朋友可以參考下2023-06-06
使用Python實現(xiàn)大文件切片上傳及斷點續(xù)傳的方法
本文介紹了使用 Python 實現(xiàn)大文件切片上傳及斷點續(xù)傳的方法,包括功能模塊劃分（獲取上傳文件接口狀態(tài)、臨時文件夾狀態(tài)信息、切片上傳、切片合并）、整體架構流程、技術細節(jié)（相關接口和功能的代碼實現(xiàn)）,最后進行了小結,需要的朋友可以參考下2025-01-01
這篇文章主要介紹了Python解決雞兔同籠問題的方法,分析了雞兔同籠問題的原理與解決思路,并給出了Python實現(xiàn)的代碼,非常具有參考借鑒價值,需要的朋友可以參考下2014-12-12
Python數(shù)據(jù)結構之順序表的實現(xiàn)代碼示例
這篇文章主要介紹了Python數(shù)據(jù)結構之順序表的實現(xiàn)代碼示例，簡單介紹了順序表的相關內容，然后分享了其代碼示例，具有一定參考價值，需要的朋友可以了解下。2017-11-11
這篇文章主要介紹了python創(chuàng)建和刪除目錄的方法,涉及Python操作目錄的相關技巧,非常具有實用價值,需要的朋友可以參考下2015-04-04
這篇文章主要為大家詳細介紹了python實現(xiàn)簡單的俄羅斯方塊，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-01-01
這篇文章主要介紹了Sanic框架配置操作,簡單分析了Sanic框架中常見的加載配置使用方法,并簡單說明了內置配置的預定義變量與對應功能,需要的朋友可以參考下2018-07-07
這篇文章主要介紹了python 實現(xiàn)多線程的三種方法總結，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
對Python 3.2 迭代器的next函數(shù)實例講解
今天小編就為大家分享一篇對Python 3.2 迭代器的next函數(shù)實例講解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10