我们看到，大年夜部分时光都花费在了 mandelperf_numba() 函数的第一行和最后一行上。最后一行有点复杂，让我们将它分为两部分来再次分析：

分析器输出变成：

Timer unit:1e-06 s 
 
Total time:0.002002 s 
 
File: 
 
Function: mandelperf_numba at line 11 
 
Line # Hits Time Per Hit % Time Line Contents 
 
============================================================== 
 
11 def mandelperf_numba(): 
 
12 1 678 678.0 33.9 r1 = np.linspace(-2.0, 0.5, 26) 
 
13 1 235 235.0 11.7 r2 = np.linspace(-1.0, 1.0, 21) 
 
14 1 617 617.0 30.8 c3 = [complex(r, i) for r in r1 for i in r2] 
 
15 1 472 472.0 23.6 return [mandel_numba(c) for c in c3] 

我们可以看到，对函数 mandel_numba() 的调用仅花费了总时光的 1/4。残剩时光花在 mandelperf_numba()

函数上。花时光优化它是值得的。

再次应用 Numpy

应用 Cython 在这琅绫腔有太大年夜赞助，并且 Numba 不实用。摆脱词攀困境的一种办法是再次应用 Numpy。我们将以下代码调换为生成等效结不雅的 Numpy

代码。

Numba 似乎没什么赞助。Cython 代码运行速度快了约 5 倍：

return [mandel_numba(complex(r, i)) for r in r1 for i in r2] 

此代码构建了所谓的二维网格。它计算由 r1 和 r2 供给坐标的点的复数表示。点 Pij 的坐标为 r1[i] 和 r2[j]。Pij 经由过程复数 r1[i] +

1j*r2[j] 进行表示，个中特别常量 1j 表示单个虚数 i。

我们可以直接编写此计算的代码：

@jit 
 
def mandelperf_numba_mesh(): 
 
    width = 26 
 
    height = 21 
 
    r1 = np.linspace(-2.0, 0.5, width) 
 
    r2 = np.linspace(-1.0, 1.0, height) 
 
    mandel_set = np.zeros((width,height), dtype=int) 
 
    for i in range(width): 
 
        for j in	
			
 8/11   首页 上一页 6 7 8 9 10 11 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