之前曾經測試計算斐波那契數列的幾種方法，其中基于遞歸的方法是速度最慢的，例如計算第 40 項的值，需要 36 秒。如下圖所示。

要提高運算速度，根本辦法當然是改進算法。不過算法的提高是一個長期積累加上靈機一動的過程。我們今天要講的，是一個不費腦筋，立竿見影的方法——把 Python 代碼編譯成 C 語言代碼。通過 C 語言的運行效率來加速計算過程。

這個過程看起來很復雜，但實際上你并不需要編寫一行 C 語言代碼。你需要做的只是使用一個叫做 Cython 的庫把 Python 代碼編譯為 C 語言代碼即可。

首先我們來安裝 Cython，就像安裝普通的第三方庫一樣：

python3?-m?pip?install?cython

安裝完成以后，我們單獨寫計算斐波那契數列的函數:

def fib(n):

if n in [1, 2]:

return 1

return fib(n - 1) + fib(n - 2)

非常簡單的遞歸寫法。然后關鍵來了，我們要把這個文件保存為fast_fib.pyx。注意后綴是.pyx。如下圖所示：

然后我們創建一個setup.py文件，文件內容如下：

from setuptools import setup

from Cython.Build import cythonize

setup(ext_modules=cythonize('fast_fib.pyx'))

如下圖所示：

這個文件的作用，就是調用 Cython 的cythonize函數把 Python 代碼轉換為 C 代碼。

接下來，開始編譯代碼，執行如下命令：

python3?setup.py?build_ext?--inplace

我的 Python 是 Python3.7，所以運行完成以后，會生成一個fast_fib.cpython-37m-darwin.so，如果你的 Python 是3.8，這個文件名可能是fast_fib.cpython-38m-darwin.so。這個文件你可以改名字，例如改成fast_fib.so。

還有一個文件叫做fast_fib.c。不過你不用打開這個文件，因為它有3200多行。并且你甚至可以直接把它刪掉。真正有用的只有這個fast_fib.cpython-38m-darwin.so文件。

你需要做的，僅僅是直接調用你的函數。我們另外創建一個文件test_fast_fib.py，內容如下：

import time

from fast_fib import fib

start = time.time()

result = fib(40)

end = time.time()

print(f'斐波拉契數列第40項為：{result}，耗時：{end - start}秒')

運行效果如下圖所示：

計算斐波那契數列第40項只需要5秒鐘，速度妥妥變成 Python 版本的7倍。

使用 Cython，不僅可以提高程序的運行速度，還可以把你的核心代碼轉換為.so文件，防止別人反編譯看到你的代碼。

關于 Cython 的更多介紹，請閱讀它的官方文檔[1]

有同學可能會問，當前文件夾下面既然有fast_fib.pyx文件，為什么當我們執行from fast_fib import fib的時候，不會從這個文件里面導入 Python 版本的代碼？

這是因為，import只會從后綴為.py/.pyc/.pyo/.so的文件中導入模塊，不會進入.pyx文件中尋找。

參考資料

[1]

官方文檔:?https://cython.readthedocs.io/

本文由 進擊的Coder 發布在 ITPUB，轉載此文請保持文章完整性，并請附上文章來源(ITPUB)及本頁鏈接。

原文鏈接：http://www.itpub.net/2020/04/17/5877/

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的永恒python地速_立竿见影地把你的 Python 代码提速7倍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。