这篇文章主要介绍提升python运行速度的有效方式，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

python一直被病垢运行速度太慢，但是实际上python的执行效率并不慢，慢的是python用的解释器Cpython运行效率太差。

“一行代码让python的运行速度提高100倍”这绝不是哗众取宠的论调。

我们来看一下这个最简单的例子，从1一直累加到1亿。

最原始的代码：

importtimedeffoo(x,y):tt=time.time()s=0foriinrange(x,y):s+=iprint('Timeused:{}sec'.format(time.time()-tt))returnsprint(foo(1,100000000))

结果

Timeused:6.779874801635742sec4999999950000000

是不是快了100多倍呢？

那么下面就分享一下“为啥numba库的jit模块那么牛掰？”

NumPy的创始人Travis Oliphant在离开Enthought之后，创建了CONTINUUM，致力于将Python大数据处理方面的应用。最近推出的Numba项目能够将处理NumPy数组的Python函数JIT编译为机器码执行，从而上百倍的提高程序的运算速度。

Numba项目的主页上有Linux下的详细安装步骤。编译LLVM需要花一些时间。

Windows用户可以从Unofficial Windows Binaries for Python Extension Packages下载安装LLVMPy、meta和numba等几个扩展库。

下面我们看一个例子：

importnumbaasnbfromnumbaimportjit@jit('f8(f8[:])')defsum1d(array):s=0.0n=array.shape[0]foriinrange(n):s+=array[i]returnsimportnumpyasnparray=np.random.random(10000)%timeitsum1d(array)%timeitnp.sum(array)%timeitsum(array)10000loops,bestof3:38.9usperloop10000loops,bestof3:32.3usperloop100loops,bestof3:12.4msperloop

numba中提供了一些修饰器，它们可以将其修饰的函数JIT编译成机器码函数，并返回一个可在Python中调用机器码的包装对象。为了能

将Python函数编译成能高速执行的机器码，我们需要告诉JIT编译器函数的各个参数和返回值的类型。我们可以通过多种方式指定类型信

息，在上面的例子中，类型信息由一个字符串'f8(f8[:])'指定。其中'f8'表示8个字节双精度浮点数，括号前面的'f8'表示返回值类型，括号

里的表示参数类型，'[:]'表示一维数组。因此整个类型字符串表示sum1d()是一个参数为双精度浮点数的一维数组，返回值是一个双精度

浮点数。

以上是提升python运行速度的有效方式的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！