利用numba 的 @jit 加快 for 循环操作

        最近在做一个matlab脚本转python的工作，但出现问题在，python的执行时间太长，具体表现为matlab 1s左右，python要接近于4s

        经过简单测试，发现python和matlab的for循环耗时有较大不同

        matlab

        python

       

解决办法

        在耗时很长的函数前面加上 @jit(nopython=True) ，

        注意使用前记得导入 jit from numba import jit ， 没有安装 numba 的记得安装一下， pip install numba，如果出现超时问题请参见 pip安装库总是安不上，一直出错

       

结果

       

       

作用

        使用 jit 装饰器表明我们希望将该函数转换为机器代码，然后参数 nopython 指定我们希望 Numba 采用纯机器代码，或者有必要的情况加入部分 Python 代码，这个参数必须设置为 True 来得到更好的性能，除非出现错误。