看到几个给 python 做加速的方案

发布网友发布时间：2022-04-07 11:55

共2个回答

懂视网时间：2022-04-07 16:16

这次就说一种简单的方式来加速python计算速度的方法，就是使用numba库来进行，numba库可以使用JIT技术即时编译，达到高性能，另外也可以使用cuda GPU的计算能力来加速，对python来说是一个提速非常好的工具库，使用简单，但是安装稍微复杂一些。

安装完成numba就可以使用了。（推荐学习：Python视频教程）

下面写一个小案例来看一下加速后的程序和加速前的程序的区别，借用官网上最经典的例子：

#!/usr/bin/env python
# coding=utf-8
from numba import jit
from numpy import arange
import time

@jit
def sum2d(arr):
 M, N = arr.shape
 result = 0.0
 for i in range(M):
 for j in range(N):
  result += arr[i,j]
 return result

a = arange(9).reshape(3,3)
start_time = time.time()
for i in range(10000000):
 sum2d(a)
end_time = time.time()
print (end_time - start_time)

这里使用numpy生成三行三列的矩阵，[[0,1,2],[3,4,5],[6,7,8]]然后做二维累加计算，值显然应该是36，这里做了10000000次这样的计算，使用@jit注解可以直接的使用numba jit技术实时编译，从而提高速度，最终运行时间大约是3.86s，如果去掉注解的话那么运行时间大约是25.45s从这里可以看出来大约有6.6倍的性能提升，所以使用numba加速python程序确实是方便简单

更多Python相关技术文章，请访问Python教程栏目进行学习！

热心网友时间：2022-04-07 13:24

python 性能加速的方法:
选择一个正确的数据结构。
这个说法深有体会。Python中多变的数据结构可以造成很大的差异，使用一个set就可以事半功倍。甚至一个自己定义的数据结构，对于内存，运算速度，处理方式等都有很大的影响。
进行排序
我在项目中也遇到过，几百万的数据URL需要进行鉴别，哪些数据抓取了哪些没有，抓取的部分还有重复。使用if x in y这种格式，则需要o(m*n)的时间复杂度。而两边都对URL进行排序后，则可以使用两个指针轻松搞定。
字符串组合
编写大字符串的时候，不建议使用加号拼接字符串。使用join，%s(py3中使用format方法)等官方的方法效果更好。
循环的使用
如果使用for循环进行简单而大量的操作，不妨试试map()函数，或者python2.0中就已经有的list方法直接生成。或者使用迭代器进行循环的操作。
避免使用点方法
如上，需要使用list.append()方法的时候，这些方法都是需要在每次调用的时候重新确定（原文reevaluated）的，所以可以提前代替，如re.compile()方法。
使用局部变量
可以将一些代码函数化，从而将变量转为局部变量，Python获取局部变量比使用全局变量要快得多。
初始化字典元素
字典的当前使用新技巧包括：使用keyError来定位没有的key，使用get()方法来返回键对应的值。字典中还有collections模块中较多的：defaultdict，OrderedDict类等。
首先在头部写明　import　声明
大量的import会影响Python的性能。虽然随处可以import, 但最好在代码的头部集中写明。
数据的聚合
一次将多个数据聚合起来传递给函数比多次调用函数的开销要小得多。
减少执行语句的数量
Python中有一个定期检查线程是否该运行的函数。这个函数的大量调用会影响性能。最好我们可以设置这个值为较大的数，或者使用少的执行语句而以空间换时间。
Python不是C
移位不一定比加法快。Python是一个高级语言，调用底层不一定快。
使用profile来分析函数的性能