本篇内容介绍了“Python比C++快吗”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

众所周知，Python 是动态语言，有全局解释器锁，比其他静态语言要慢，也正是这个原因，你也许会转向其他语言如 Java、C++，不过先等等，今天分享一个可以让 Python 比 C++ 还要快的技术，看完再决定要不要转吧。
今天的主角就是 Numba，Numba 是一个开源的即时编译器（JIT compiler），可将 Python 和 NumPy 的代码的转换为快速的机器码，从而提升运行速度。可以达到 C 或 FORTRAN 的速度。这么牛逼是不是很难用呢？No,No,No,So easy，你不需要替换 Python 解释器，不需要单独编译，甚至不需要安装 C / C ++ 编译器。只需将 Numba 提供的装饰器放在 Python 函数上面就行，剩下的就交给 Numba 完成。举个简单的例子：

fromnumbaimportjitimportrandom@jit(nopython=True)defmonte_carlo_pi(nsamples):acc=0foriinrange(nsamples):x=random.random()y=random.random()if(x**2+y**2)<1.0:acc+=1return4.0*acc/nsamples

Numba 是专为科学计算而设计的，在与 NumPy 一起使用时，Numba 会为不同的数组数据类型生成专门的代码，以优化性能：

@numba.jit(nopython=True,parallel=True)deflogistic_regression(Y,X,w,iterations):foriinrange(iterations):w-=np.dot(((1.0/(1.0+np.exp(-Y*np.dot(X,w)))-1.0)*Y),X)returnw

现在我们来看看，同样的代码，使用 Numba 前后与 C++ 的性能对比。比如说我们要找出 1000 万以内所有的素数，代码的算法逻辑是相同的：Python 代码：

importmathimporttimedefis_prime(num):ifnum==2:returnTrueifnum<=1ornotnum%2:returnFalsefordivinrange(3,int(math.sqrt(num)+1),2):ifnotnum%div:returnFalsereturnTruedefrun_program(N):total=0foriinrange(N):ifis_prime(i):total+=1returntotalif__name__=="__main__":N=10000000start=time.time()total=run_program(N)end=time.time()print(f"totalprimenumis{total}")print(f"cost{end-start}s")

执行耗时：

totalprimenumis664579cost47.386465072631836s

C++ 代码如下：

#include<iostream>#include<cmath>#include<time.h>usingnamespacestd;boolisPrime(intnum){if(num==2)returntrue;if(num<=1||num%2==0)returnfalse;doublesqrt_num=sqrt(double(num));for(intdiv=3;div<=sqrt_num;div+=2){if(num%div==0)returnfalse;}returntrue;}intrun_program(intN){inttotal=0;for(inti;i<N;i++){if(isPrime(i))total++;}returntotal;}intmain(){intN=10000000;clock_tstart,end;start=clock();inttotal=run_program(N);end=clock();cout<<"totalprimenumis"<<total;cout<<"\ncost"<<(end-start)/((double)CLOCKS_PER_SEC)<<"s\n";return0;}

$g++isPrime.cpp-oisPrime$./isPrimetotalprimenumis664579cost2.36221s

c++ C++ 确实牛逼，才 2.3 秒，不过好戏还在后头，现在我们使用 Numba 来加速一下，操作很简单，不需要改动原有的代码，先导入 Numba 的 njit，再在函数上方放个装饰器 @njit 即可，其他保持不变，代码如下：

importmathimporttimefromnumbaimportnjit#@njit相当于@jit(nopython=True)@njitdefis_prime(num):ifnum==2:returnTrueifnum<=1ornotnum%2:returnFalsefordivinrange(3,int(math.sqrt(num)+1),2):ifnotnum%div:returnFalsereturnTrue@njitdefrun_program(N):total=0foriinrange(N):ifis_prime(i):total+=1returntotalif__name__=="__main__":N=10000000start=time.time()total=run_program(N)end=time.time()print(f"totalprimenumis{total}")print(f"cost{end-start}s")

运行一下，可以看出时间已经从 47.39 秒降低到 3 秒。

totalprimenumis664579cost3.0948808193206787s

相比 C++ 的 2.3 秒还是有一点慢，你可能会说 Python 还是不行啊。等一等，我们还有优化的空间，就是 Python 的 for 循环，那可是 1000 万的循环，对此，Numba 提供了prange 参数来并行计算，从而并发处理循环语句，只需要将 range 修改为 prange，装饰器传个参数：parallel = True，其他不变，代码改动如下：

importmathimporttimefromnumbaimportnjit,prange@njitdefis_prime(num):ifnum==2:returnTrueifnum<=1ornotnum%2:returnFalsefordivinrange(3,int(math.sqrt(num)+1),2):ifnotnum%div:returnFalsereturnTrue@njit(parallel=True)defrun_program(N):total=0foriinprange(N):ifis_prime(i):total+=1returntotalif__name__=="__main__":N=10000000start=time.time()total=run_program(N)end=time.time()print(f"totalprimenumis{total}")print(f"cost{end-start}s")

现在运行一下：

pythonisPrime.pytotalprimenumis664579cost1.4398791790008545s

才 1.43 秒，比 C++ 还快，Numba 真的牛逼！我又运行了两次，确认自己没看错，平均就是 1.4 秒

“Python比C++快吗”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！