Python numba jit加速计算

• 安装
  

  pip install numba

• 使用示例
  

  import timefrom numba import jit# 原始函数
  def python_sum(n):total = 0for i in range(n):total += ireturn total# Numba 加速版本
  @jit(nopython=True)
  def numba_sum(n):total = 0for i in range(n):total += ireturn total# 性能测试
  n = 50000000# 第一次运行（包含编译时间）
  start = time.time()
  result1 = numba_sum(n)
  end = time.time()
  print(f"Numba 首次运行: {end - start:.6f} 秒")# 第二次运行（使用编译后的版本）
  start = time.time()
  result2 = numba_sum(n)
  end = time.time()
  print(f"Numba 缓存机器码运行: {end - start:.6f} 秒")# Python 原生版本
  start = time.time()
  result3 = python_sum(n)
  end = time.time()
  print(f"Python 原生: {end - start:.6f} 秒")

• 说明
  

  首次运行会编译函数代码成机器码，并将机器码缓存起来。
  后续运行可以直接用缓存的机器码计算。
  对于密集的数值计算，效果非常显著，甚至首次编译加计算的时间，也会比python原生计算快很多。

• 注意事项
  

  1.jit nopython参数可以设置为False, 可以支持部分python对象操作，但是加速效果不好，不推荐使用。
  2.numba jit最佳使用范围：数值计算、numpy数组操作、循环密集计算、数学函数。
  3.不支持绝大部分第三方库调用、io操作、操作python复杂对象。