1.python執(zhí)行原理

python執(zhí)行過(guò)程：python腳本語(yǔ)言（.py）或者cython語(yǔ)言(.pyx)–解釋器解釋–>字節(jié)碼（.pyc）–虛擬機(jī)執(zhí)行–>機(jī)器碼（看不到，可以在cpu上跑起來(lái)）。

由于沒(méi)有原生的編譯時(shí)類型檢查，所有的類型的檢查都被移交給了運(yùn)行時(shí)，執(zhí)行一行Python代碼很可能需要做不只一行的類型檢查、邊界檢查，因此python比起C++等會(huì)慢很多。

python的解釋器可以多種，常見(jiàn)的是cpython（最常用）、Ipython（基于cpython的交互式解釋器）、pypy（動(dòng)圖編譯python代碼，運(yùn)行速度快，與cpython有少數(shù)不同）、Jython、IronPython。

2.Cypthon（推薦，速度與numba接近）

Cython是一門語(yǔ)言，文件名以.pyx結(jié)尾。其是python的超集，即兼容python，Cython與python類似于C++與C的關(guān)系。同時(shí)Cython也是一個(gè)編譯器的名稱，其可將Cython語(yǔ)言寫的pyx文件（包含.py文件）直接編譯成動(dòng)態(tài)庫(kù)，從而獲得近乎于寫CXX語(yǔ)言的性能。

官網(wǎng)推薦使用setuptools (setup.py)的方法來(lái)編譯.pyx/.py代碼。如以下文件樹(shù)，

├── os
│   └── ros_os.py
│   └── setup.py

目標(biāo)是將os文件夾下的ros_os.py編譯成.so動(dòng)態(tài)庫(kù)，因此在ros_os.py同級(jí)目錄下新建一個(gè)setup.py文件。setup.py的內(nèi)容如下：

from setuptools import setup
from Cython.Build import cythonizesetup(
    name='ros_os',


    ext_modules=cythonize("ros_os.py"),
    zip_safe=False,
)

然后運(yùn)行指令python setup.py build_ext --inplace，則會(huì)在同級(jí)目錄下生成ros_os.so動(dòng)態(tài)庫(kù)文件。在其他python文件中，就可以通過(guò)import導(dǎo)入該.so文件，實(shí)現(xiàn)加速。

注意，若os文件夾下有__init__.py文件，則會(huì)出錯(cuò)。解決方法是需要將setup.py移動(dòng)到與ros_os.py最近的無(wú)__init__.py文件的文件夾下，如以下文件樹(shù)所示：

├── pkg
│   ├── init.py
│   ├── os
│   │   ├── init.py
│   │   └── ros_os.py
└── setup.py

os文件夾下有__init__.py文件，顯式地表示os是一個(gè)python的包，同樣地，pkg下也存在__init__.py文件，因此需要將setup.py放在與pkg同級(jí)的目錄下，該目錄是最靠近ros_os.py的最近的且無(wú)__init__.py文件的目錄。同時(shí)，修改setup.py中對(duì)ros_os.py的路徑，如下：

from setuptools import setup
from Cython.Build import cythonize

setup(
    name='ros_os',
    ext_modules=cythonize("pkg/os/ros_os.py"),
    zip_safe=False,
)

在setup.py的同級(jí)目錄下運(yùn)行編譯指令：python setup.py build_ext --inplace，則可以正確編譯獲得ros_os.so動(dòng)態(tài)文件。

優(yōu)點(diǎn)：加速python，并達(dá)到python加密的效果（推薦的加密手段）

缺點(diǎn)：需要手動(dòng)編譯；少數(shù)python內(nèi)置屬性不支持，例如__file__；

3.numba（傳言可加速40倍左右）

numba是一個(gè)可以加速python大部分模塊的庫(kù)，其原理是將其修飾的函數(shù)在第一次運(yùn)行時(shí)先優(yōu)化并翻譯成機(jī)器碼，而在重復(fù)運(yùn)行時(shí)，則直接調(diào)用該機(jī)器碼，因此達(dá)到可以媲美C和C++的速度。使用方法如下：

from numba import jit  # 從numba中導(dǎo)入函數(shù)jit
import random

@jit(nopython=True)   # jit，numba裝飾器中的一種
def monte_carlo_pi(nsamples):
    acc = 0
    for i in range(nsamples):
        x = random.random()
        y = random.random()
        if (x ** 2 + y ** 2) < 1.0:
            acc += 1
    return 4.0 * acc / nsamples

在原始代碼中加入第1行和第4行，則可以加速monte_carlo_pi模塊（自動(dòng)將其優(yōu)化并編譯成機(jī)器碼）。即，要加速哪個(gè)函數(shù)，就在函數(shù)定義前面加上裝飾器@jit(nopython=True)。

優(yōu)點(diǎn)：對(duì)numpy和循環(huán)語(yǔ)法的加速明顯；使用方便；

缺點(diǎn)：少量庫(kù)無(wú)法加速，如pandas庫(kù)；僅能安裝到無(wú)法用于python2及以下版本；安裝比較困難，需要裝llvm編譯器；

4.其他加速方法

使用整型代替浮點(diǎn)型

5.各自加速方法的對(duì)比

代碼片段對(duì)大小為128x128的二維數(shù)組求和，運(yùn)行1000次時(shí)間如下：

Total cost time for func: py_func, call 1000 times: 3.803216s. 
Total cost time for func: np_func, call 1000 times: 0.343562s. 
Total cost time for func: nb_func, call 1000 times: 0.017122s. 
Total cost time for func: cy_func, call 1000 times: 0.018159s.

它們分別代表了原始Python、Numpy、Numba、Cython對(duì)應(yīng)的性能?？梢钥闯觯琧ython與numba可有效加速python代碼。其中，numba以稍微快于cython，但是numba不兼容python2，且調(diào)試?yán)щy，因此，推薦使用cython。

6.方法補(bǔ)充

下面小編為大家整理了一些其他Python可以加速運(yùn)行的技巧，希望對(duì)大家有所幫助

1.全面加速（pypy)

將python換為pypy,在純python代碼下，pypy的兼容性就不影響使用了，因?yàn)橐恍┘僷ython的代碼常常會(huì)用pypy進(jìn)行一下加速

測(cè)試代碼，for循環(huán)10000000次

start = time.time()
for i in range(10000000):
    print(i,end="\r")
end = time.time()
print(f"耗費(fèi)時(shí)間{end-start}秒>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>")

2.if判斷靠前

如：

 if tag in ["nts", "nto", "ntc", "ntcb", "ntcf", "ntch", "nth", "ntu", "nt"]:
                                BMES(f_,i2, tag="ORG")
                            elif tag in ["nb", "nba", "nbc", "nbp", "nf", "nm", "nmc", "nhm", "nh"]:
                                BMES(f_,i2, tag="OBJ")
                            elif tag in ["nnd", "nnt", "nn"]:
                                BMES(f_,i2, tag="JOB")
                            elif tag in ["nr", "nrf"]:
                                BMES(f_,i2, tag="PER")
                            elif tag in ["t"]:
                                BMES(f_,i2, tag="TIME")
                            elif tag in ["ns", "nsf"]:
                                BMES(f_,i2, tag="LOC")
                            else:
                                for i3 in list(i2):
                                    f_.write(i3 + " " + f"O" + "\n")

滿足條件的可以先跳出判斷

到此這篇關(guān)于python代碼加速運(yùn)行的四種方法詳解的文章就介紹到這了,更多相關(guān)python加速運(yùn)行內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論