python科学计算：加速库numba —— 安装和试用

1. 安装（anaconda环境下）

conda install numba

2. Demo代码：

from numba import jit 
from numpy import arange
import numpy
import time

@jit
def sum2d(arr):
    M, N = arr.shape
    result = 0.0
    for i in range(M):
        for j in range(N):
            result += arr[i, j]
    return result

a = arange(90000).reshape(300, 300)
# print(sum2d(a))


time_a = time.time()
x = sum2d(a)
time_b = time.time()
print(x, time_b - time_a)


time_a = time.time()
x = numpy.sum(a)
time_b = time.time()
print(x, time_b - time_a)

运行表现：

可以看到，使用numba后代码速度没有提升反而下降，由此可知要正确使用numba还是很有门槛的。

在numba中通过指定变量的数据类型来提高运算速度：

from numba import jit, int32, int64
from numpy import arange
import numpy
import time

@jit(int64(int64[:,:], ))
def sum2d(arr):
    M, N = arr.shape
    result = 0.0
    for i in range(M):
        for j in range(N):
            result += arr[i, j]
    return result

a = arange(90000).reshape(300, 300)
# print(sum2d(a))


time_a = time.time()
x = sum2d(a)
time_b = time.time()
print(x, time_b - time_a)

运行表现：

可以看到，速度提高了1000倍，不过与numpy版本的用时相比依旧高很多，具体为16/6=2.67倍。