Python运行速度的解决办法
推荐
在线提问>>
在我们日常的开发中，开发效率非常重要，它可以直接影响我们的工作时间。如果运行速度快，我们可能在半天时间里完成指定的工作，而Python在运行速度方面没有C或Java。很快，但Python正在慢慢改进。本文将向您说明如何改进，请参阅以下内容：
PYPY：PyPy是使用率较高的一种，并且与现有的Python代码高度兼容。它使用及时编译来加速Python，并集成了Numpy。之前已经使用Numpy来加速Python的操作。使用Python3的代码需要相应地使用PyPy3。PyPy目前仅支持Python3.2.5，对Python3.3的支持正在进行中。
Pyston：它使用LLVM编译器架构来加速Python，它也使用即时编译。与PyPy相比，Pyston仍处于早期阶段，仅支持Python的部分功能。Pyston将工作分为两部分，一是语言的核心特性，二是将性能提升到可接受的水平。Pyston距离能够在生产环境中使用还有很长的路要走。
Nuitka：一些团队尝试将Python代码转换为其他语言的代码，可以在本地高效运行。著名的项目之一是Nuitka将Python代码转换为C++代码，尽管运行时仍然依赖于Python运行时。这限制了它的便携性，但性能提升是可观的。在长期计划中，Nuitka还计划允许C语言调用Nuitka编译的Python代码，这样性能提升会更加明显。
Cypython：Cython(Python的C语言扩展)是Python的超集。它可以将Python代码编译成C代码，并与C和C++进行交互。它可以作为Python项目的扩展(重新性能要求)，也可以单独使用，不涉及传统的Python代码。缺点是你不是在写Python，需要手动迁移，缺乏可移植性。
Numba：Numba结合了上述项目的思想。在学习了Cython之后，Numba也采用了部分加速策略，只对CPU密集型任务进行加速;同时也学习了PyPy和Pyston，通过LLVM运行Python。你可以使用装饰器来指定要使用Numba编译的函数，Numba继承了Numpy来加速函数的执行。Numba没有及时编译，它的代码是预编译的。
