Numba加速Python程序

眾所周知，Python和Java一樣是基於虛擬機的語言，並不是像C/C++那樣將程序代碼編譯成機器語言再運行，而是解釋一行執行一行，速度比較慢。使用Numba庫的JIT技術編譯以后，可以明顯提高程序的運行速度。

首先，使用PyCharm安裝Numba庫，在Project Interpreter界面可以安裝。

程序代碼：

import numpy as np
from numba import jit
import time

@jit
def sum_jit(arr):
    s_time = time.time()
    m = arr.shape[0]
    result = 0.0
    for i in range(m):
        result += arr[i]
    e_time = time.time()
    return (e_time-s_time)

def sum(arr):
    s_time = time.time()
    m = arr.shape[0]
    result = 0.0
    for i in range(m):
        result += arr[i]
    e_time = time.time()
    return (e_time-s_time)

def main():
    n = int(10.0*1e6)
    array = np.random.random(n)
    t1 = sum_jit(array)
    t2 = sum(array)
    print("Time with JIT:", t1)
    print("Time without JIT:", t2)

if __name__ == '__main__':
    main()

上面代碼的sum()和sum_jit()兩個函數完全相同，區別在於sum_jit()添加了@jit注解，表面該函數使用Numba JIT進行編譯以后再運行，而sum()是不編譯的運行。對main()中n的值取1×10⁶~10×10⁶，計算每個值兩個函數運行的時間，單位為Second，如下圖所示：

可以看到隨着運算量的線性增加，sum()的運行時間幾乎也是線性增加的，而sum_jit()的運行時間基本上保持不變，運算量的增加並沒有帶來影響。