numba提升python运行速度的实例方法

大家都知道Python运行速度很慢，但是轮子多，因此用户十分广泛，在各种领域上都能用到Python，但是最头疼的还是，解决运行速度问题，因此这里给大家介绍的是numba，是基本是等于再造语言。但是支持的numpy函数并不多。要让能jit的函数多起来才行。下面就详细介绍使用numba提升python运行速度方法。

numba简介：

能够实现将python函数编译为机器代码，提高运行速度。

工作作用：

给python换一种编译器

使用numba：

1、导入numba及其编译器

import numpy as np
import numba 
from numba import jit

2、传入numba装饰器jit，编写函数

@jit(nopython=True) 
def go_fast(a): 
  trace = 0
   for i in range(a.shape[0]): 
    trace += np.tanh(a[i, i]) 
return a + trace

3、函数传入实参

x = np.arange(100).reshape(10, 10) 
go_fast(x)

4、加速的函数执行时间

% timeit go_fast(x)

知识点扩展：

numba适合科学计算

numpy是为面向numpy数组的计算任务而设计的。

在面向数组的计算任务中，数据并行性对于像GPU这样的加速器是很自然的。Numba了解NumPy数组类型，并使用它们生成高效的编译代码，用于在GPU或多核CPU上执行。特殊装饰器还可以创建函数，像numpy函数那样在numpy数组上广播。

什么情况下使用numba呢？

• 使用numpy数组做大量科学计算时
• 使用for循环时