应用 Cython 会获得：

100 loops, best of 3:1.94 ms per loop 

comprehension)。是以，我们不克不及将它应用到第二个函数，但我们可以将它应用到第一个函数。我们的代码类似以下代码。

@jit 
 
def mandel_numba(z): 
 
    maxiter = 80 
 
    c = z 
 
    for n in range(maxiter): 
 
        if abs(z) > 2: 
 
            return n 
 
        z = z*z + c 
 
     return maxiter 
 
def mandelperf_numba(): 
 
    r1 = np.linspace(-2.0, 0.5, 26) 
 
    r2 = np.linspace(-1.0, 1.0, 21) 
 
    return [mandel_numba(complex(r, i)) for r in r1 for i in r2] 

对它计时会获得：

1000 loops, best of 3:503 µs per loop 

还不错，比 Cython 快 4 倍，比最初的 Python 代码快 9 倍!

我们还能做得更好吗?要知道是否能做得更好，一种方法是分析代码。内置的 %prun 分析器在这里不敷精确，我们必须应用一个称为 line_profiler 的更好的分析器。它可以经由过程pip 进行安装：

pip install line_profiler 

安装后，我们须要加载它：

%load_ext line_profiler 

然后应用一个神奇的敕令分析该函数：

%lprun -s -f mandelperf_numba mandelperf_numba() 

它在一个弹出窗口中输出以下信息。

我认为这些小型的基准测试没有供给哪种说话最快的明白谜底。举例而言， randmatstat 示例处理 5×5 矩阵。应用 Numpy 数组处理它有点小题大年夜做。应当应用更大年夜的矩阵履行基准测试。

Timer unit:1e-06 s 
 
Total time:0.003666 s 
 
File: 
 
Function: mandelperf_numba at line 11 
 
Line # Hits Time Per Hit % Time Line Contents 
 
============================================================== 
 
11 def mandelperf_numba(): 
 
12 1 1994 1994.0 54.4 r1 = np.linspace(-2.0, 0.5, 26) 
 
13 1 267 267.0 7.3 r2 = np.linspace(-1.0, 1.0, 21) 	
			
 7/11   首页 上一页 5 6 7 8 9 10 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