一种将Python速度提高1000倍的解决方案
人们说Python很慢，可能会很慢
每当出现编程速度竞赛时，Python通常都会走到最底层。有人说这是因为Python是一种解释语言。所有的解释语言都很慢。但是我们知道Java也是一种语言，它的字节码由JVM解释。
https://benchmarksgame-team.pages.debian.net/benchmarksgame/fastest/python3-java.html如本基准测试所示，Java比Python快得多。
这是一个可以演示Python慢度的示例。使用传统的for循环产生倒数：
import numpy as npnp.random.seed(0)values = np.random.randint(1, 100, size=1000000)def get_reciprocal(values):output = np.empty(len(values))for i in range(len(values)):output[i] = 1.0/values[i]%timeit get_reciprocal(values)
结果：
每个循环3.37 s±582毫秒（平均±标准偏差，共7次运行，每个循环1次）神圣的xxx，计算1,000,000个倒数需要3.37s。C语言中的相同逻辑只需要眨一下就可以了：9ms ; C＃需要19毫秒; Nodejs花费26ms ; Java需要5毫秒！而Python则采用了自我怀疑的3.37秒。（我在最后附加了所有测试代码）。
缓慢的根本原因
我们通常将Python称为动态类型编程语言。而且Python程序中的所有内容都是object，换句话说，每次Python代码处理数据时，都需要将对象包装拆箱。在for循环内部，每次迭代都需要拆箱对象，检查类型并计算倒数。那3秒钟都在类型检查中浪费了。
与C之类的传统语言不同，对数据的访问是直接的，而在Python中，大量的CPU周期用于检查类型。
即使是简单的数字分配也将花费很长时间。
a = 1步骤1.设置a->PyObject_HEAD->typecode为整数步骤2.设置a->val =1
那么，有没有一种方法可以解决类型检查，从而提高性能呢？
解决方案：NumPy通用函数
与Python列表不同，NumPy数组是围绕C数组构建的对象。NumPy中的访问项无需任何步骤即可检查类型。这使我们了解了解决方案，它是NumPy通用函数（又称UFunc）。
简而言之，UFunc是一种我们可以直接对整个数组进行算术运算的方法。将第一个慢速Python示例转换为UFunc版本，它将像这样：
import numpy as npnp.random.seed(0)values = np.random.randint(1, 100, size=1000000)%timeit result = 1.0/values
此代码不仅可以提高速度，还可以缩短代码长度。猜猜现在需要多少时间？比我上面提到的任何其他语言快2.7ms：
每个循环2.71 ms±50.8 µs（平均±标准偏差，共运行7次，每个循环100个）返回代码，关键是1.0/values。值这里是不是一个数字，它是一个NumPy的阵列。像除法运算符一样，还有很多其他运算符。
检查这里的所有Ufunc运营商。
对于那些使用Python的人，您很有可能使用Python处理数据和数字。这些数据可以存储在NumPy或Pandas DataFrame中，因为DataFrame是基于NumPy实现的。因此，Ufunc也可以。
UFunc使我们能够在Python中以数量级更快的速度执行重复操作。最慢的Python甚至可以比C语言更快。太棒了。
附录— C，C＃，Java和NodeJS的测试代码
C语言：
int main(){struct timeval stop, start;gettimeofday(&start, NULL);int length = 1000000;int rand_array[length];float output_array[length];for(int i = 0; i<length; i++){rand_array[i] = rand();}for(int i = 0; i<length; i++){output_array[i] = 1.0/(rand_array[i]*1.0);}gettimeofday(&stop, NULL);printf("took %lu us\n", (stop.tv_sec - start.tv_sec) * 1000000 + stop.tv_usec - start.tv_usec);printf("done\n");return 0;}
C＃（dotnet 5.0）：
using System;namespace speed_test{class Program{static void Main(string[] args){int length = 1000000;double[] rand_array =new double[length];double[] output = new double[length];var rand = new Random();for(int i =0; i<length;i++){rand_array[i] = rand.Next();//Console.WriteLine(rand_array[i]);}long start = DateTimeOffset.Now.ToUnixTimeMilliseconds();for(int i =0;i<length;i++){output[i] = 1.0/rand_array[i];}long end = DateTimeOffset.Now.ToUnixTimeMilliseconds();Console.WriteLine(end - start);}}}
Java：
import java.util.Random;public class speed_test {public static void main(String[] args){int length = 1000000;long[] rand_array = new long[length];double[] output = new double[length];Random rand = new Random ();for(int i =0; i<length; i++){rand_array[i] = rand.nextLong();}long start = System.currentTimeMillis();for(int i = 0;i<length; i++){output[i] = 1.0/rand_array[i];}long end = System.currentTimeMillis();System.out.println(end - start);}}
NodeJS：
let length = 1000000;let rand_array = [];let output = [];for(var i=0;i<length;i++){rand_array[i] = Math.floor(Math.random()*10000000);}let start = (new Date()).getMilliseconds();for(var i=0;i<length;i++){output[i] = 1.0/rand_array[i];}let end = (new Date()).getMilliseconds();console.log(end - start);
往期推荐