让Python提速超过30倍的必杀技：Cython
让Python提速超过30倍的必杀技：Cython
本文转自公众号：新智元
【导读】众所周知，作为人工智能界最流行的语言，Python功能强大，但也运行缓慢。如果你的代码是纯Python、或者必须用一个大的for循环并且不能放入矩阵因为数据必须按顺序处理的时候，有没有办法加速Python呢？本文为你解答。
人工智能最火的语言，自然是被誉为迄今为止最容易使用的代码之一的Python。Python代码素来以直观、高可读性著称。
然而，易用的背后，是Python无法逾越的障碍：慢。尤其是C程序员，这群快枪手简直无法忍受Python的慢。
所以有人就想了各种方法去解决这个问题，本文就介绍其中的一种。如果你的代码是纯Python，或者你必须用一个大的for循环却无法放入矩阵因为数据必须按顺序处理，那么就可以使用Cython来加速Python。
什么是Cython？
根据维基百科：Cython是结合了Python和C的语法的一种语言，可以简单的认为就是给Python加上了静态类型后的语法，使用者可以维持大部分的Python语法，而不需要大幅度调整主要的程式逻辑与算法。但由于会直接编译为二进制程序，所以性能较Python会有很大提升。
Cython被大量运用在CPython函式库的撰写，以取得较高的执行效能。Cython将CPython代码转译成 C 或 C++ 语法后，自动包装上函式呼叫界面生成 .pyx 后缀的执行档，即可当成普通的函式库。其性能一般逊于原生的 C/C++ 函式库，但由于 CPython 语法的易用性可以缩短开发时间。Cython 也可以用于编译以 C/C++ 为 CPython 撰写的函式库。
目前Cython可以在 Windows, macOS 与 Linux 上使用，可以编译 2.6, 2.7 与 3.3 至 3.7 版本的 CPython 语法。
我们对Python代码的唯一调整是向每个变量添加类型信息。通常，我们可以在Python中声明一个变量，如下所示：
x = 0.5使用Cython，我们将为该变量添加一个类型：
cdef float x = 0.5这告诉Cython我们的变量是浮点数，和C一样。使用纯Python，变量的类型是动态确定的。Cython中类型的显式声明是可以转换为C的原因，因为需要显式类型声明+。
安装Cython只需要一行pip：
pip install cythonCython的类型
使用Cython时，有两种不同的类型，用于变量和函数。
对于变量，我们有：
cdef int a, b, c
cdef char *s
cdef float x = 0.5 (single precision)
cdef double x = 63.4 (double precision)
cdef list names
cdef dict goals_for_each_play
cdef object card_deck请注意所有这些类型都来自C/C++！
对于功能：
def — regular python function, calls from Python only.
cdef — Cython only functions which can’t be accessed from python-only code i.e must be called within Cython
cpdef — C and Python. Can be accessed from both C and Python由此开始，我们要开启加速了哦！准备好…
使用Cython加速代码
我们要做的第一件事就是设置Python代码基准：用于计算数字阶乘的for循环。
原始Python代码如下所示：
def test(x):
y = 1
for i in range(x+1):
y *= i
return yCython相同功能看起来非常相似。确保Cython代码文件使用 .pyx扩展名。代码本身的唯一变化是我们需要提前声明变量和函数的类型，示例代码如下：
cpdef int test(int x):
cdef int y = 1
cdef int i
for i in range(x+1):
y *= i
return y注意函数有一个cpdef来确保我们可以从Python调用它。另外还需要为函数中的所有变量设置类型从而告知C编译器。
接下来，创建一个setup.py文件，该文件将Cython代码编译为C代码：
from distutils.core import setup
from Cython.Build import cythonize
setup(ext_modules = cythonize('run_cython.pyx'))并执行编译：
python setup.py build_ext --inplace搞定！我们的C代码已经编译好并且可以使用了。
在Cython代码所在的文件夹中拥有运行C代码所需的所有文件，包括run_cython.c文件，你尽可以进去仔细看个究竟。
现在，我们要测试全新超快速C代码了！准备好了吗？3、2、1、go！
import run_python
import run_cython
import time
number = 10
start = time.time()
run_python.test(number)
end = time.time()
py_time = end - start
print("Python time = {}".format(py_time))
start = time.time()
run_cython.test(number)
end = time.time()
cy_time = end - start
print("Cython time = {}".format(cy_time))
print("Speedup = {}".format(py_time / cy_time))Cython几乎可以为任何原始Python代码提供良好的加速，不需要做太多额外的工作。记住，你用的循环越多、处理的数据越多，Cython就越有帮助。
看看下表，其中显示了Cython为不同的阶乘值提供了多少速度。我们使用Cython获得了超过36倍的加速！
参考链接：
https://towardsdatascience.com/use-cython-to-get-more-than-30x-speedup-on-your-python-code-f6cb337919b6