python的numba加速
来源:互联网 发布:手机淘宝买东西视频 编辑:程序博客网 时间:2024/05/24 04:50
之前笔者写过一个pypy的加速方法,可以参阅笔者之前的文章:http://blog.csdn.net/qtlyx/article/details/78078636
但是这一方法中,我们有一个很不现实的要求,就是所有的python代码都要求是python build-in的库来写。今天,我们使用另外一种jit加速的方法,虽然本质上是一样的,但是其实更加好用,因为支持使用别的库,只要我们把计算瓶颈部分改成使用python的build-in函数来进行计算,毕竟,二八原则,百分之二十的代码支配着百分之八十的速度。
不说了,我们来看一下:
#-*-coding:utf-8-*-import timeimport pandas as pddef time_com(i): cum = 0 for test in range(i): for ind in range(i): cum += (test * ind) % 3if __name__ == '__main__': t1 = time.clock() df = pd.DataFrame() for i in range(500): time_com(i) t2 = time.clock() print "run time:%f s" % (t2 - t1)
控制台上输出的结果是:
run time:7.714948 s
接下来,我们只加入两行代码,分是是引入numba包,一个是用装饰器修饰我们的计算函数:
#-*-coding:utf-8-*-import timeimport pandas as pdfrom numba import jit@jitdef time_com(i): cum = 0 for test in range(i): for ind in range(i): cum += (test * ind) % 3if __name__ == '__main__': t1 = time.clock() df = pd.DataFrame() for i in range(500): time_com(i) t2 = time.clock() print "run time:%f s" % (t2 - t1)我们来看一下结果;
run time:0.190903 s
不说了,勇敢的去加速吧,笔者还特地是用来pandas,然而还是可以加速。但是,要注意的是,在jit装饰器装饰的函数中,不可以有第三方的package哦。
阅读全文
0 0
- python的numba加速
- 使用numba加速python
- 通过 LLVM 加速 Python numba
- 安装numba和使用numba加速python程序
- 推荐使用Numba加速Python科学计算
- numba安装与使用-python加速
- 推荐使用Numba加速Python科学计算
- python numba jit 的效率
- keras numba加速(conda>venv)
- Numba你可能不了解的七个方面
- 加速你的Python代码
- 加速你的Python代码
- 加速你的Python代码
- 加速你的Python代码
- 加速你的Python代码
- python程序的pypy加速
- 代码干货 | Python高性能计算库——Numba
- 给Python加速(性能加速的方法)
- informix使用得一些小常识
- volatile
- 4.1分支管理
- RxJava操作符学习笔记
- 生活小记42
- python的numba加速
- C++与pascal的区别
- 欢迎使用CSDN-markdown编辑器
- C++API免费下载
- redis基础
- 关于线程
- zookeeper环境搭建
- MySQL在cmd中的操作
- javascript 动态画心加文字