这篇文章将为大家详细讲解有关提升python运行速度的方法，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

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。

内容扩展：

Python运行速度提升

相比较C，C++，python一直被抱怨运行速度很慢，实际上python的执行效率并不慢，而是解释器Cpython运行效率很差。

通过使用numba库的jit可以让python的运行速度提高百倍以上。

同诺简单累加，相乘的例子，可以看出。

#!/usr/bin/env python# encoding: utf-8'''@author: Victor@Company：华中科技大学电气学院聚变与等离子研究所@version: V1.0@contact: 1650996069@qq.com 2018--2020@software: PyCharm2018@file: quickPython3.py@time: 2018/9/21 20:54@desc:使用numba的jit是python代码运行速度提高100倍左右''''''平常运行'''import timedef add(x,y): tt = time.time() s = 0 for i in range(x,y): s += i print('The time used: {} seconds'.format(time.time()-tt)) return s add(1,100000000)##########结果################ D:\Python3\python.exe D:/Pycharm2018Works/InsteringPython3/SomeBasics/quickPython3.py# The time used: 6.712835788726807 seconds# Process finished with exit code 0

'''调用numba运行'''import timefrom numba import jit@jitdef add(x,y): tt = time.time() s = 0 for i in range(x,y): s += i print('The time used: {} seconds'.format(time.time()-tt)) return s add(1,100000000)##########结果################ D:\Python3\python.exe D:/Pycharm2018Works/InsteringPython3/SomeBasics/quickPython3.py# The time used: 0.06396007537841797 seconds# # Process finished with exit code 0

Numba模块能够将处理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。

关于提升python运行速度的方法就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。