Python计算加速利器

迷途小书童的 Note

读完需要

6

分钟

速读仅需 2 分钟

1

   

简介

Python 是一门应用非常广泛的高级语言，但是，长久以来，Python的运行速度一直被人诟病，相比 c/c++、java、c#、javascript 等一众高级编程语言，完全没有优势。

那么真的没有办法提升 Python 程序的运行速度吗？相信看完本文，你应该会有答案。

2

   

示例

这里以找出 1000000 以内的质数为例，分别计算下需要花费多长的时间？

首先来回顾下什么是质数？

质数(Prime number)，又称素数，指在大于 1 的自然数中，除了 1 和该数本身外，无法被其他自然数整除(也可定义为只有 1 与该数本身两个因数)。举个例子，比如说数字 7，从 2 开始一直到 6，都不能被它整除，只有 1 和它本身 7 才能被 7 整除，所以 7 就是一个质数。

下面来看看 python 的代码实现

import math
import timedef is_prime(num):if num == 2:return Trueif num <= 1 or not num % 2:return False# 从3开始，到int(根号num)+1，步长是2，如3,5,7 ...for i in range(3, int(math.sqrt(num)) + 1, 2):if not num % i:return Falsereturn Truedef run_program(N):for i in range(N):is_prime(i)if __name__ == '__main__':N = 1000000start = time.time()run_program(N)end = time.time()print(end - start)

执行代码，可以看到在我的老旧 i5 机器上总共花费了 5 秒多

3

   

改进

大家都知道解释型语言，解释器不产生目标机器代码，而是产生中间代码，解释器通常会导致执行效率较低。

因此，问题就变成了，能不能将 python 代码翻译成机器码？那执行效率肯定就会大大提升了

numba 就是这么一款工具，它是 python 的即时编译器(just-in-time compiler)，它使用 LLVM 将 python 代码翻译成机器码，特别是在使用 numpy 数组以及循环操作上，效果最佳。

numba 的使用比较简单，我们不需要更换 python 的解释器，只需要将 numba 的装饰器写在 python 方法上，当这个带有 numba 装饰器的方法被调用时，就会被 just-in-time 即时编译为机器代码，然后执行。目前 numba 支持在 X86、ARM 等多种架构上进行动态编译。

使用 numba 之前，我们需要安装这个库

pip install numba或者
conda install numba

下面来看看 numba 版本的质数问题

import math
import time
from numba import njit@njit(fastmath=True, cache=True)
def is_prime(num):if num == 2:return Trueif num <= 1 or not num % 2:return Falsefor i in range(3, int(math.sqrt(num)) + 1, 2):if not num % i:return Falsereturn True@njit(fastmath=True, cache=True)
def run_program(N):for i in range(N):is_prime(i)if __name__ == '__main__':N = 10000000start = time.time()run_program(N)end = time.time()print(end - start)

执行上述代码，可以看到，速度提升了 4 倍左右，不到 1 秒，效果还是非常明显

最后，作为横向比较，我们使用 c++ 语言，也写一个类似的程序

#include <iostream>
#include <cmath>
#include <time.h>using namespace std;bool isPrime(int num)
{if (num == 2) return true;if (num <= 1 || num % 2 == 0) return false;double sqrt_num = sqrt(double(num));for (int i = 3; i <= sqrt_num; i += 2) {if (num % i == 0) return false;}return true;
}int main()
{int N = 1000000;clock_t start, end;start = clock();for (int i=0; i < N; i++) isPrime(i);end = clock();cout << (end - start) / ((double)CLOCKS_PER_SEC);return 0;
}

编译后执行，可以看到，只花了 0.4 秒

4

   

小结

从上面的对比示例中可以看到，使用了 just-in-time compiler 后(numba、pypy 都是类似的实现)，代码的执行效率已经直逼 C++ 等编译型语言了。

5

   

参考资料

• https://numba.readthedocs.io/en/stable/index.html ( https://numba.readthedocs.io/en/stable/index.html )

6

   

免费社群