博客

✨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！