这些优化代码工具让你的Python代码更优秀

2020-07-18 12:00 大侠学Python

来自:Python数据分析与人工智能学习













这篇文章会提供一些优化代码的工具。会让代码变得更简洁,或者更迅速。


当然这些并不能代替算法设计,但是还是能让Python加速很多倍。


其实前面讲算法的文章,也有提到过。比如适用于双向队列的 deque,以及在合适的条件下运用 bisect 和 heapq 来提升算法的性能。


而且前面也提到过,Python提供了当今最高级也是最有效的排序算法(list.sort)


另外还有一个功能多样又迅速的散列表(dict)。而且如果写迭代器封装、功能性代码或者是某种额外扩展的时候,或许 CyToolz可以用得到。当然在itertools和 functools模块 中,还有很多函数可以带来很高效的代码。


这篇文章主要讲优化单处理器的代码,下面会介绍一些一些高效的函数实现,也有已经封装好的拓展模块,还包括速度更快的Python解释器。


当然多处理器版本确实能大幅提高运行效率。如果想了解多核编程,可以从multiprocessing开始。而且也能找到非常多的关于分布式计算的第三方工具。


这里可以看一下Python wiki上的关于Parallel Processing的内容。接下来,会说一些关于Python加速工具的选单。



01

 NumPy、SciPy、Sage和Pandas 



先说,NumPy。它的核心是一个多维数字数组的实现。除了这个数据结构之外,还实现了若干个函数和运算符,可以高效地进行数组运算。并且对于被调用的次数进行了精简。它可以被用来进行极其高效的数学运算。

SciPy和Sage都将NumPy内置为自身的一部分,同时内置了其他的不同的工具,从而可以用于特定科学、数学和高性能计算的模块。
Pandas是一个侧重于数据分析的工具。如果处理大量半结构化数据的时候,可能也会用到Pandas相关的工具,比如Blaze。


02

 PyPy、Pyston、Parakeet、Psyco和Unladen 



代码运行的更快,侵入性最小的就是使用实时编译器(JIT编译)。以前的话我们可以直接安装Psyco。安装之后导入psyco,然后调用psyco.full()。代码运行速度就可以明显提升。运行Python代码的时候,它可以实时监控程序,会将一部分代码编译为了机器码。

现在好多Psyco等加速器的项目已经停止维护了,不过类似的功能在PyPy中得到了继承。
PyPy为了方便分析、优化和翻译,用Python语言将Python重新实现了一遍,这样就可以JIT编译。而且PyPy可以直接将代码翻译成像C那样的性能更高的语言。
Unladen Swallow是一个Python的JIT编译器。是Python解释器的一本版本,被称为底层虚拟机(LLVM)。不过这个开发已经停止了。
Pyston是一个与LLVM平台较为接近的Python的JIT编译器。很多时候已经优于Python的实现,但不过还有很多地方不完善。

03

 GPULib、PyStream、PyCUDA和PyOpenCL 



这四个都是用在图像处理单元来实现代码的加速前面讲的都是用代码优化来实现加速的。而这些都是从硬件层面上进行加速,如果有一个强大的GPU,我们可以用GPU来计算,从而减少CPU宝贵的资源。

PyStream古老一点。GPULib提供了基于GPU的各种形式的数据计算。
如果用GPU加速自己的代码,可以用PyCUDA和PyOpenCL。

04

 Pyrex、Cython、Numba和Shedskin 



这四个项目都致力于将Python代码翻译为C、C++和LLVM的代码。Shedskin会将代码编译为C++语言。Pyrex、Cython编译的主要目标是C语言。Cython也是Pyrex的一个分支。

而且,Cython还有NumPy数组的额外支持。
如果面向数组和数学计算的时候,Numba是更好的选择导入时会自动生成相应的LLVM的代码。升级版本是NumbaPro,还提供了对GPU的支持。

05

  SWIG、F2PY和Boost.Python  



这些工具可以将其他的语言封装为Python的模块。第一个可以封装C/C++语言。F2PY可以封装Fortran。Boost.Python可以封装C++语言。

SUIG只要启动一个命令行工具,往里面输入C或者C++的头文件,封装器代码就会自动生成。除了Python,而且可以成为其他语言的封装器,比如Java和PHP。

06

 ctypes、llvm-py和CorePy2 



这些模块可以帮助我们实现Python底层对象的操作。ctypes模块可以用于在内存中构建编译C的对象。并且调用共享库中的C的函数。不过ctypes已经包含在Python的标准库里面了。

llvm-py主要提供LLVM的Python接口。以便于构建代码,然后编译他们。也可以在Python中构建它的编译器。当然搞出自己编程语言也是可以的。
CorePy2也可以进行加速,不过这个加速是运行在汇编层的。


07

  Weave、Cinpy和PyInline  



这三个包,就可以让我们在Python代码中直接使用C语言或者其他的高级语言。混合代码,依然可以保持整洁。可以使用Python代码的字符串的多行特性,可以使其他的代码按照自身的风格来进行排版。



08

  其他工具  



如果我们要节省内存,就不能使用JIT了。一般JIT都太耗费内存。有一句话说的很对,时间和内存经常不能兼得,而我们在工程开发中,总是要寻找他们的平衡点。

至于其他的一些东西,比如Micro Python项目,这个是用在嵌入式设备或者微控制器上面使用的。
如果只是想在Python环境中工作,然后想用别的语言,可以看看这个项目Julia。





重磅!程序员交流群已成立


公众号运营至今,离不开小伙伴们的支持。


为了给小伙伴们提供一个互相交流的平台,特地开通了程序员交流群


群里有不少技术大神,不时会分享一些技术要点,更有一些资源收藏爱好者不时分享一些优质的学习资料。(群完全免费,不广告不卖课!)


需要进群的朋友,可长按扫描下方二维码。

▲长按扫码

本文章转载自公众号:daxiaxuepython

首页 - Python 相关的更多文章: