Python高性能编程四：Python编译成C
类型检查有助于代码更快运行
Python 是动态类型的——一个变量能够引用任何类型的对象，并且任意代码行都能够改变被引用对象的类型。这使得虚拟机难以在机器码层面优化代码的运行方式，因为它不知道哪种基础数据类型会用于将来的运算。让代码保持泛型就会让代码运行更慢。
在下面的例子中，v 或是一个浮点数，或是一对代表复数的浮点数。两个条件会先后在相同循环的不同位置发生，或者在相关代码的串行区域发生：
abs 函数会根据底层数据类型来以不同方式工作。对一个整数或浮点数来说，abs只是简单地把负值转换为正值来作为结果。对复数来说，abs 涉及对分量的平方和开平方根。
还是复数的例子，它的机器码涉及更多的指令并且会运行得更久。在对一个变量调用abs 之前，Python 首先不得不查看变量的类型，接着决定调用哪个函数版本——当做出很多重复调用的时候，这个开销会累积。
在CPU 密集型的代码区域内部，不改变变量类型的情况很常见。这就给了我们一个机会来做静态编译和加快代码运行。
使用Cython编译纯Python版本
一个扩展编译模块的简单方法涉及：
- 调用它的Python代码（如julia1.py，构建输入列表并调用计算函数）。
- 在一个新的.pyx文件中要被编译的函数（cythonfn.pyx）。
- 一个setup.py，包含了调用Cython来制作扩展模块的指令（运行setup.py的结果就是获得一个能够被导入的模块）。
使用这个方法，setup.py 脚本调用Cython 把.pyx 文件编译成一个编译模块。在类UNIX 系统上，编译模块可能会是一个.so 文件；在Windows 上应该是一个.pyd（类DLL 的Python 库）。julia1.py:
#导入新编译模块到主代码中
import calculate # as defined in setup.py
def calc_pure_python(desired_width, max_iterations):
start_time = time.time()
output = calculate.calculate_z(max_iterations, zs, cs)
end_time = time.time()
secs = end_time - start_time
print("Took", secs, "seconds")
在cythonfn.pyx（可以从.py重命名）中为Cython的setup.py准备的未改动过的纯Python代码：
#cythonfn.pyx
def calculate_z_serial_purepython(maxiter, zs, cs):
output = [0] * len(zs)
for i in range(len(zs)):
n = 0
z = zs[i]
c = cs[i]
while n < maxiter and abs(z) < 2:
z = z * z + c
n += 1
output[i] = n
return output
<< · Back Index ·>>
相关推荐
丰富故事背景的衍生电影——《猎魔人：狼之噩梦》
今天聊聊美国电影《猎魔人：狼之噩梦》。 片名The Witcher: Nightmare of the Wolf (2021)，别名巫师：狼之噩梦。 《猎 ...
房地產政策由嚴到松：認房又認貸、認房不認貸、認貸不認房、不認房不認貸
近日在北、上、廣、深都相繼宣佈“認房不認貸”的政策後，各省也先後接龍官宣。咱們都知道這是放松房地產的政策，出瞭政策，願...