from numba import jit 

它的应用异常简单。我们仅须要向想要编译的函数添加一点润饰。我们的代码变成了：

@jit 
 
def fib_seq_numba(n): 
 
    if n < 2: 
 
        return n 
 
    (a,b) = (1,0) 
 
    for i in range(n-1): 
 
        (a,b) = (a+b,a) 
 
    return a 

对它计时会获得：

向量化

1000000 loops, best of 3:225 ns per loop 

“我们在 97% 的时光应当忘记较小的效力：不成熟的优化是万恶之源。”

比无类型的 Cython 代码更快，比最初的 Python 代码快约 16,000 倍!

应用 Numpy

我们如今来看看第二项基准测试。它是快速排序算法的实现。Julia 团队应用了以下 Python 代码：

def qsort_kernel(a, lo, hi): 
 
    i = lo 
 
    j = hi 
 
    while i < hi: 
 
        pivot = a[(lo+hi) // 2] 
 
        while i <= j: 
 
            while a[i] < pivot: 
 
                i += 1 
 
            while a[j] > pivot: 
 
                j -= 1 
 
            if i <= j: 
 
                a[i], a[j] = a[j], a[i] 
 
                i += 1 
 
                j -= 1 
 
        if lo < j: 	
			
 4/11   首页 上一页 2 3 4 5 6 7 下一页 尾页
	
			

　　推荐阅读
　　云原生安全初创公司Aporeto融资1120万美元
            
            
            Aporeto是一家“云原生”的安然始创公司，旨在确保那些不受信的IT情况的安然性。该公司方才在A轮融资——也就是岁尾产品宣布之前——获得了>>>详细阅读


本文标题：如何让Python像Julia一样快地运行
地址：http://www.17bianji.com/lsqh/35343.html
 1/2    1