如何有效提高Python代码的执行效率？

本文共计717个文字，预计阅读时间需要3分钟。

Python运行速度慢，但实际执行效率并不慢，慢的是Python使用的解释器Cpython的运行效率差异。一行代码让Python运行速度提升100倍，这绝不仅是群众取巧的理论调调。

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：

importtime deffoo(x,y): tt=time.time() s=0 foriinrange(x,y): s+=i print('Timeused:{}sec'.format(time.time()-tt)) returns print(foo(1,100000000))

结果

Timeused:6.779874801635742sec 4999999950000000

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。