Ubuntu 18.04 LTS安装numba python性能优化的比较：numba，pypy， cython

青旅半醒 2023-02-24 15:26 13阅读 0赞

# #

> 安装很简单, 我就不多废话了, 直接上指令:

sudo apt-get install llvm
    sudo -H pip install numba

python 程序性能优化的套路一般有两种：1）jit， 即just in time compiler， 即时编译器，在运行时将某些函数编译成二进程代码，使用这种方式的有：numba 和pypy；2）将python代码转换成c++/c代码，然后编译执行，这种方式有：cython和nuitka。总而言之，转换成c++/c代码以后编译成二进制文件执行的效率比用numba和pypy即时编译执行的效率要高。

1. 首先看一下python写的求质数的函数 以及 用 numba的jit优化的函数

# main.py
     
    # 纯python语言写的求质数的代码
    def primes_python(nb_primes):
        p = []
        n = 2
        while len(p) < nb_primes:
            # Is n prime?
            for i in p:
                if n % i == 0:
                    break
            # If no break occurred in the loop
            else:
                p.append(n)
            n += 1
        return p
     
     
    # 使用numba的jit优化的代码，只需要在上面的函数加一行代码
    from numba import jit
     
    @jit
    def primes_jit(nb_primes):
        p = []
        n = 2
        while len(p) < nb_primes:
            # Is n prime?
            for i in p:
                if n % i == 0:
                    break
     
            # If no break occurred in the loop
            else:
                p.append(n)
            n += 1
        return p

2. 新建一个primes.pyx文件，写一个cython函数，其中声明了变量的类型

# primes.pyx
     
    def primes(int nb_primes):
        cdef int n, i, len_p
        cdef int p[1000]
        if nb_primes > 1000:
            nb_primes = 1000
     
        len_p = 0  # The current number of elements in p.
        n = 2
        while len_p < nb_primes:
            # Is n prime?
            for i in p[:len_p]:
                if n % i == 0:
                    break
     
            # If no break occurred in the loop, we have a prime.
            else:
                p[len_p] = n
                len_p += 1
            n += 1
     
        # Let's return the result in a python list:
        result_as_list  = [prime for prime in p[:len_p]]
        return result_as_list

再建立一个primes\_python.pyx文件，新建一个和之前python里面写的一样的函数，作为对比。

# primes_python.pyx
     
    def primes_python(nb_primes):
        p = []
        n = 2
        while len(p) < nb_primes:
            # Is n prime?
            for i in p:
                if n % i == 0:
                    break
     
            # If no break occurred in the loop
            else:
                p.append(n)
            n += 1
        return p

新建setup.py文件，用来编译.pyx函数

from distutils.core import setup
    from Cython.Build import cythonize
     
    setup(
        ext_modules=cythonize(["primes.pyx", "primes_python.pyx"],
                              annotate=True)
    )

\# 编译命令用这个

# python setup.py build_ext --inplace

使用python setup.py build\_ext --inplace编译后可以得到.pyd文件，就是可以导入的python库了。

3. 修改一下main.py， 加入函数调用和度量

# main.py 的完整内容
     
    import primes
    import primes_python
    import timeit
    from numba import jit
     
     
    def primes_python(nb_primes):
        p = []
        n = 2
        while len(p) < nb_primes:
            # Is n prime?
            for i in p:
                if n % i == 0:
                    break
     
            # If no break occurred in the loop
            else:
                p.append(n)
            n += 1
        return p
     
     
    @jit
    def primes_jit(nb_primes):
        p = []
        n = 2
        while len(p) < nb_primes:
            # Is n prime?
            for i in p:
                if n % i == 0:
                    break
     
            # If no break occurred in the loop
            else:
                p.append(n)
            n += 1
        return p
     
     
    if __name__ == "__main__":
        repeat_times = 1000
     
        t1 = timeit.timeit(stmt="primes_python(1000)",
                           setup="from __main__ import primes_python", number=repeat_times)
        print(f"run in python: {t1}s")
        t2 = timeit.timeit(stmt="primes.primes(1000)",
                           setup="import primes", number=repeat_times)
        print(f"run cython with cdef: {t2}s")
        t3 = timeit.timeit(stmt="primes_jit(1000)",
                           setup="from __main__ import primes_jit", number=repeat_times)
        print(f"run in python with numba jit: {t3}s")
        t4 = timeit.timeit(stmt="primes_python.primes_python(1000)",
                           setup="import primes_python", number=repeat_times)
        print(f"run cython without cdef: {t4}s")
     
    运行一下，得到的结果如下：
    
    run in python: 28.519053545829927s
    run cython with cdef: 1.6289360376895452s
    run in python with numba jit: 2.0565857326599577s
    run cython without cdef: 13.221758278866588s

4. 测试一下pypy的结果，建立primes\_pypy.py文件：

# primes_pypy.py
     
    import timeit
     
     
    def primes_python(nb_primes):
        p = []
        n = 2
        while len(p) < nb_primes:
            # Is n prime?
            for i in p:
                if n % i == 0:
                    break
     
            # If no break occurred in the loop
            else:
                p.append(n)
            n += 1
        return p
     
     
    if __name__ == "__main__":
        repeat_times = 1000
     
        t1 = timeit.timeit(stmt="primes_python(1000)",
                           setup="from __main__ import primes_python", number=repeat_times)
        print(f"run in pypy: {t1}s")

使用pypy3 primes\_pypy.py 运行文件， 得到结果如下：

run in pypy: 3.0445395345987682s  
5.  nuitka的暂时没弄出来， 总体的运行结果如下：

run in python: 28.519053545829927s
    run cython with cdef: 1.6289360376895452s
    run in python with numba jit: 2.0565857326599577s
    run cython without cdef: 13.221758278866588s
     
    run in pypy: 3.0445395345987682s

基本上jit的效果很明显，也不用改动python代码。  
  
原文链接：https://blog.csdn.net/xiaozisheng2008\_/article/details/85266511