什么，听说3分钟入门Cython？？

Python的代码优雅而实用，但是它的速度确实不怎样。Cython企图在保留Python美好的同时，兼顾代码的效率，这里先贴出Cython的两个官方文档，以方便大家对Cython更系统的学习：
英文 http://docs.cython.org/en/latest/
中文 https://moonlet.gitbooks.io/cython-document-zh_cn/content/ch1-basic_tutorial.html

为什么最近会和Cython打上交道，说起来是因为我看了一篇名叫《Cython三分钟入门》的文章，毫无疑问文章写得很不错，但是标题起得实在不好，因为太标题党啦！

跑通整个项目我花了大概两天时间，尽管代码量并不大。接下来我仍然会以文章中的例子来进行说明，结合这两天的经历，从三个环境出发：1. Windows环境；2. Linux环境；3. Cgywin环境，将我遇到的问题一并讲清楚，希望能帮助到和我有相同问题的同学。

Cython的安装

Cython是一个Python库，理所当然的安装手段就是

    -> pip intsall cython

当然对于Cygwin用户，也能够进入Cygwin安装程序中下载Cython包，效果是一样的，步骤可以参考我的另一篇文章《Cygwin，让你拥有Windows下的Linux环境》。

代码效率

由于各主机的配置不一样，你测试出来的时间和我不一样很正常，但是这种性能的上升是必定和我一样的！

Python版本

下面是一段Python实现的代码，作用是计算沿地球表面两点之间的距离，是我们的version1。我们会让它调用50万次，并测定它所需的时间：

# version1.pyimport math  def great_circle(lon1,lat1,lon2,lat2):      radius = 3956 #miles      x = math.pi/180.0      a = (90.0-lat1)*(x)      b = (90.0-lat2)*(x)      theta = (lon2-lon1)*(x)      c = math.acos((math.cos(a)*math.cos(b)) +                (math.sin(a)*math.sin(b)*math.cos(theta)))      return radius*c  

实现以下代码来调用version1:：

# efficiency.pyimport timeitlon1,lat1,lon2,lat2=-72.345,34.323,-61.823,54.826num=500000 #调用50万次t=timeit.Timer("v1.great_circle(%f,%f,%f,%f)"%(lon1,lat1,lon2,lat2),               "import version1 as v1")print('纯python版本用时:'+str(t.timeit(num))+'sec')

好的，我的电脑花了大约3.3s，有点感人。当然我们的时间可能并不一样，但无一例外都不怎么快。

Python+C版本

一定程度上混搭Python和C数据类型，是我们的version2，但要注意，必须是.pyx文件，因为我们需要将其编译为Python拓展，这一步我会在后面仔细讲。我们同样会调用50万次，并测定它所需的时间：

# version2.pyximport mathdef great_circle(float lon1,float lat1,float lon2,float lat2):    cdef float radius=3956.0    cdef float pi=3.14159265    cdef float x=pi/180.0    cdef float a,b,theta,c    a=(90.0-lat1)*(x)    b=(90.0-lat2)*(x)    theta=(lon2-lon1)*(x)    c=math.acos((math.cos(a)*math.cos(b) +            math.sin(a)*math.sin(b)*math.cos(theta)))    return c*radius  

实现以下代码来调用version2：

# efficiency.pyimport timeitlon1,lat1,lon2,lat2=-72.345,34.323,-61.823,54.826num=500000 #调用50万次t=timeit.Timer("v2.great_circle(%f,%f,%f,%f)"%(lon1,lat1,lon2,lat2),               "import version2 as v2")print('python+c版本用时:'+str(t.timeit(num))+'sec')

我的电脑花了大约2.2s，与3.3s相比是不是快了不少。相信在你的电脑上也能够看到这么明显的变化。

C版本（Python调用）

我们大致分析一下，version2的瓶颈是在哪里！我们调用的是python的math模块，是不是这里大大地限制了性能？现在我们使用C标准库替代之：

# version3.pyxcdef extern from "math.h":    float cosf(float theta)    float sinf(float theta)    float acosf(float theta)def great_circle(float lon1,float lat1,float lon2,float lat2):    cdef float radius=3956.0    cdef float pi=3.14159265    cdef float x=pi/180.0    cdef float a,b,theta,c    a=(90-lat1)/(x)    b=(90-lat2)/(x)    theta=(lon2-lon1)*(x)    c=acosf((cosf(a)*cosf(b))+(sinf(a)*sinf(b)*cosf(theta)))    return radius*c

实现以下代码来调用version3：

# efficiency.pyimport timeitlon1,lat1,lon2,lat2=-72.345,34.323,-61.823,54.826num=500000 #调用50万次t=timeit.Timer("v3.great_circle(%f,%f,%f,%f)"%(lon1,lat1,lon2,lat2),               "import version3 as v3")print('纯c版本(Python函数调用)用时:'+str(t.timeit(num))+'sec')

0.6s，相当惊人！！这才是我们追求的速度不是吗？

C版本（C调用）

观察上面的代码，容易发现调用50万次这个是循环使用Python实现的。我们知道循环是一个相当耗时的操作，那么如果我们把这个循环放到C代码里，是否能更进一步地提升性能：

# version4.pyxcdef extern from "math.h":    float cosf(float theta)    float sinf(float theta)    float acosf(float theta)cdef float _great_circle(float lon1,float lat1,float lon2,float lat2):    cdef float radius=3956.0    cdef float pi=3.14159265    cdef float x=pi/180.0    cdef float a,b,theta,c    a=(90-lat1)*(x)    b=(90-lat2)*(x)    theta=(lon2-lon1)*(x)    c=acosf((cosf(a)*cosf(b))+(sinf(a)*sinf(b)*cosf(theta)))    return radius*cdef great_circle(float lon1,float lat1,float lon2,float lat2,int num):    cdef int i    cdef float x    for i from 0<=i<num:        x=_great_circle(lon1,lat1,lon2,lat2)    return x

实现以下代码来调用version4：

# efficiency.pyimport timeitlon1,lat1,lon2,lat2=-72.345,34.323,-61.823,54.826t=timeit.Timer("v4.great_circle(%f,%f,%f,%f,%i)"%(lon1,lat1,lon2,lat2,num),           "import version4 as v4")print('纯c版本(C函数调用)用时:'+str(t.timeit(1))+'sec')

惊喜地发现，我们把性能提升到了0.12s，速度提高了将近30倍，very amazing。

C代码实现

究竟Cython中最快的版本version4和C实现的代码，在性能上相比会有多大的差距？我这里准备了一段C代码：

#include <math.h>#include <stdio.h>#include <time.h>#define NUM 500000//version5.cfloat great_circle(float lon1,float lat1,float lon2,float lat2){    float radius=3956.0;    float pi=3.14159265;    float x=pi/180.0;    float a,b,theta,c;    a=(90.0-lat1)*(x);    b=(90.0-lat2)*(x);    theta=(lon2-lon1)*(x);    c=acos((cos(a)*cos(b))+(sin(a)*sin(b)*cos(theta)));    return radius*c;}int main(){    int i;    float x;    clock_t start, finish;    double Total_time;    start = clock();    for(i=0;i<=NUM;i++)        x=great_circle(-72.345,34.323,-61.823,54.826);    finish = clock();    Total_time = (double)(finish-start) / CLOCKS_PER_SEC;    printf("%f sec",Total_time);    printf("\n");    printf("%f",x);}

当然，如果你有C语言的集成环境，直接运行就能可以得到结果！我们知道Linux系统的gcc组件能够编译C代码，为了方便，我们直接在Linux系统下编译运行，这里我提供两种方式：

方式一：
->Linux环境下:gcc -lm -octest version5.c
   当前路径生成ctest.exe
->time ./ctest
   测试该模块运行所需时间

对于使用Cygwin来完成这条命令的用户，可能会遇到下面的麻烦，博主也遇到了

错误：pyconfig.h No such file or directory
通过网上查阅相关资料，发现这是由于某些组件的缺失造成的，它们可能是下面这些组件：
1. python-devel（对应python2.x）/python3-devel（对应python3.x）
2. libxml2-dev
3. libxslt-dev
一般来说，主要是python-devel的原因。总之，看情况吧。

方式二：
->Linux环境下:gcc -o version5 version5.c
   当前路径生成version5.exe
->./version5
   测试该模块运行所需时间

可能由于测试的方式不同，这里用时反而还要长那么一点。但总的来说，Cython能够有效地改善性能。当然，大多数情况下，Python的性能是足够好的，一旦循环、数字运算和Python函数调用上去了，性能就会相应地下降，在这种情况下，我建议你们使用Cython进行优化。

Cython编译

我们之前安装的Cython就是用在这里的。

- 对于Windows系统，编译以下代码能够得到：.pyx->.pyd
- 对于Linux系统，编译一下代码能够得到：.pyx->.c->.o->.dll

这是对应的，因为Windows系统能够使用的Python拓展是.pyd文件，而Linux系统能够使用的Python拓展是.o或.dll文件。但是我们完全不用担心，你的系统总是有选择地去做适合它自己的事情，我们只需要顺水推舟。

#setup.py# Run as:#    python setup.py build   编译#    python setup.py install 安装（效果同pip install xxx）from distutils.core import setupfrom Cython.Build import cythonize#cythonize：编译源代码为C或C++，返回一个distutils Extension对象列表setup(ext_modules=cythonize('XXXXX.pyx'))

我们在前文提到的.pyx文件并不能直接作为Python拓展，我们需要编写setup.py来帮助我们获得Python拓展。在’XXXXX.pyx’中填入.pyx文件的路径，然后我们在shell环境下（setup.py的目录下）执行以下命令：
python setup.py build
一般来说，我们能在当前目录下看到一个名为build的文件夹，我们需要的Python拓展就在里面！注意执行该命令的python版本要对应。

执行以下命令：
python setup.py install
安装该模块到site-package文件夹下。

Cython编译中的问题

我之所以无法像文章所说的那样三分钟入门，就是因为这些乱七八糟的问题，这里我汇总一下我自己遇到的问题，希望后来的人不要像我一样走弯路。原生Linux环境问题不大，会出现问题主要就是Windows系统和Cygwin这种伪Linux环境，我就从这两个环境出发：

Windows

Unable to find vcvarsall.bat

这时候的我们，一般直接就把这个错误贴到百度或者google上，那么我们会看到一堆关于Windows下Cython安装的教程。
注意，不要按网上说的，安装MinGW，然后在”..python安装路径…\Lib\distutils”下新建一个distutils.cfg文件，在这文件里面制订编译器为mingw32
如：
[build]
compiler=mingw32
一方面，我的电脑上已经安装了Cygwin，为什么非得另外安装一个MinGW，另一方面MinGW编译出来的东西，安装上了也有不好使的时候，甚至会无法编译；即使编译通过，安装上了，你安装的Python标准库不是由mingw编译的，你的拓展包却是mingw编译的，很难说能够完全兼容或者质量跟得上。（引用自参考文献2）
但是参考文献2中提到的方法却不是很管用，可能不是很适合我的情况吧。那么要如何解决这个问题？这主要是因为涉及到了比较底层的问题，由于底层上对python支持的不足造成的。参考文献3提出的方法完美地解决了我的问题：
打开Visual Studio的安装程序进入到下面的界面，选择下面这些组件安装。

等待安装完成，再次执行命令发现能够成功编译！大成功~~

Cygwin

打开Cygwin，执行以下命令
python setup.py build
黑色的界面上弹出刺眼的红色，提示你出错了

致命错误：Python.h：没有那个文件或目录

其实说白了，Cygwin下报错，大多数情况就是想告诉你，你丫的有哪些哪些组件没下载呀呀！！
是的，只要我们安装python-devel（python2.x）/python3-devel（python3.x），便发现问题迎刃而解啦！


这几天收获很大，巨开心!


项目链接：
https://github.com/kingboung/Miniproject/tree/master/Cython_accidence

参考文献：

《Cython三分钟入门》        赖勇浩 译
《彻底解决 error: Unable to find vcvarsall.bat》        天才白痴书馆
   知乎        知乎用户 答