让Python程序快上1000倍，强大好用的即时编译Numba库

让Python程序快上1000倍,强大好用的即时编译Numba库
▶︎ 外汇交易商平台推荐：http://cn.forextea.com
▶︎ 投资挣4%利息的网赚首选电子货币网络银行(免费注册)：http://www.forextea.com/go/pm.html
对应的视频：https://www.youtube.com/watch?v=cM2dGG-fc4s
▶︎ 兑换电子货币充值网(免费注册)：
‣‣ https://ichange.one/zh/?rid=402
对应的视频：https://www.youtube.com/watch?v=sPeJ23J-ft8
▶︎ 可以用PM存取款的外汇交易平台(免费注册)：
‣‣ http://www.forextea.com/go/exness_cn.html
‣‣ http://www.forextea.com/go/nordfx_cn.html
▶︎ 做视频工具，七天免费。半自动10分钟做好爆款视频：
‣‣ https://www.contentsamurai.com/c/luck-cs-freetrial
对应的视频：https://www.youtube.com/watch?v=ymkxBSjO2jY
📈 每个YouTube必备的数据分析工具（免费）
‣‣ https://www.tubebuddy.com/videoyoutube
💳 海外网赚平台，可以销售你的技能及购买各种服务
‣‣ https://track.fiverr.com/visit/?bta=71159&brand=fiverrcpa
对应的视频：https://www.youtube.com/watch?v=TNFcLfFA3Iw
💳海外C2C购物拍卖网站
‣‣ https://ebay.to/2VZuPYQ
对应的视频：https://youtu.be/jxS9iOq17n4

此为“数学代码”的专属YouTube频道。
数学系列节目：奥林匹克数学，趣味数学，数学魔术，数学游戏，数学竞赛，数学经典，数学赚钱，数学玩具，智力玩具，等等。
代码系列节目：代码自动化，代码Python，代码Delphi，程序演示，代码编程，等等。
赚钱系列节目：Youtube赚钱，网赚，投资赚钱，软件使用，游戏，等等。
希望在“Oziter茅”这个频道里跟大家分享与数学，代码，赚钱，相关的内容。
喜欢影片的话，请给我一个赞并分享出去！
频道：@Oziter茅
本期节目讲：
Numba介绍
Numba是Python的即时编译器，在使用NumPy数组和函数以及循环的代码上效果最佳。 使用Numba的最常见方法是通过其装饰器集合，这些装饰器可应用于您的函数以指示Numba对其进行编译。 调用带有Numba装饰的函数时，该函数将被“即时”编译为机器代码以执行，并且您的全部或部分代码随后可以本机机器速度运行！
Numba可运行环境
系统: Windows (32 and 64 bit), OSX and Linux (32 and 64 bit)
架构：x86，x86_64，ppc64le。在armv7l，armv8l（aarch64）上进行实验。
GPU：Nvidia CUDA。在AMD ROC上进行实验。
CPython
NumPy 1.15-最新
Numba安装
conda install numba或者是pip install numba
Numba是否高效取决于代码，如果代码是数字定向的（做大量的数学运算），使用NumPy很多和/或有很多循环，那么Numba通常是一个不错的选择。
numba是一个用于编译Python数组和数值计算函数的编译器，这个编译器能够大幅提高直接使用Python编写的函数的运算速度。
numba使用LLVM编译器架构将纯Python代码生成优化过的机器码，通过一些添加简单的注解，将面向数组和使用大量数学的python代码优化到与c，c++和Fortran类似的性能，而无需改变Python的解释器。
Numba的主要特性：
动态代码生成 （在用户偏爱的导入期和运行期）
为CPU（默认）和GPU硬件生成原生的代码
集成Python的科学软件栈（Numpy）
使用jit的好处就在于让numba来决定什么时候以及怎么做优化。
numba有两种编译模式：nopython模式和object模式。前者能够生成更快的代码，但是有一些限制可能迫使numba退为后者。想要避免退为后者，而且抛出异常，可以传递nopython=True.
pypy的加速方法,但是这一方法中，我们有一个很不现实的要求，就是所有的python代码都要求是python build-in的库来写。今天，我们使用另外一种jit加速的方法，虽然本质上是一样的，但是其实更加好用，因为支持使用别的库，只要我们把计算瓶颈部分改成使用python的build-in函数来进行计算，毕竟，二八原则，百分之二十的代码支配着百分之八十的速度。
如果你的代码是以数字为导向的（做了很多数学运算），经常使用NumPy和/或有很多循环，那么Numba通常是一个不错的选择。在这些例子中，我们将应用最基本的Numba的JIT装饰器，@jit试图加速一些函数来演示哪些有效，哪些无效。
请注意，Numba不理解Pandas，因此Numba只是通过解释器运行此代码，但增加了Numba内部开销的成本！
Numba @jit装饰器从根本上以两种编译模式运行， nopython模式和object模式。在go_fast上面的例子中， nopython=True在@jit装饰器中设置，这是指示Numba在nopython模式下操作。nopython编译模式的行为本质上是编译装饰函数，以便它完全运行而不需要Python解释器的参与。这是使用Numba jit装饰器的推荐和最佳实践方式，因为它可以带来最佳性能。
如果编译nopython模式失败，Numba可以编译使用 ，如果没有设置，这是装饰器的 后退模式（如上例所示）。在这种模式下，Numba将识别它可以编译的循环并将它们编译成在机器代码中运行的函数，并且它将运行解释器中的其余代码。为获得最佳性能，请避免使用此模式objectmode@jitnopython=Trueuse_pandas
如何衡量Numba的表现？
首先，回想一下，Numba必须为执行函数的机器代码版本之前给出的参数类型编译函数，这需要时间。但是，一旦编译完成，Numba会为所呈现的特定类型的参数缓存函数的机器代码版本。如果再次使用相同的类型调用它，它可以重用缓存的版本而不必再次编译。
测量性能时，一个非常常见的错误是不考虑上述行为，并使用一个简单的计时器来计算一次，该计时器包括在执行时编译函数所花费的时间。
Numba读取装饰函数的Python字节码，并将其与有关函数输入参数类型的信息相结合。它分析并优化您的代码，最后使用LLVM编译器库生成函数的机器代码版本，根据您的CPU功能量身定制。每次调用函数时都会使用此编译版本。
可以看出，numba甚至比号称最接近C语言速度运行的numpy还要快6倍以上。但大家都知道，numpy往往对大的数组更加友好，那我们来测试一个更长的数组
可见即便是用很长的loop来计算，numba的表现也丝毫不亚于numpy。在这里，我们可以看到numba相对于numpy一个非常明显的优势：numba可以把各种具有很大loop的函数加到很快的速度，但numpy的加速只适用于numpy自带的函数。
尽量写的像c
numba为Python提速
numba能够极大的提高python在计算方面的性能。是不是所有的python代码上，都可以加上numba.jit装饰器？答案是否定的。
同时需要特别注意的是，使用jit和使用纯numpy进行编程的很大一点不同就是，不要畏惧用for；事实上一般来说，代码“长得越像 C”、速度就会越快：
使用 jit(nogil=True) 实现高效并发（多线程）
使用Numba
要求不多。基本上，你写一个自己的“普通”的Python函数，然后给函数定义添加一个装饰（如果你不是很熟悉装饰器，读一下关于this或that）。你可以使用不同类型的装饰器，但@jit可能是刚开始的选择之一。其他装饰器可用于例如创建numpy通用功能@vectorize或编写将在CUDA GPU上执行的代码@cuda。
同时需要特别注意的是，使用jit和使用纯numpy进行编程的很大一点不同就是，不要畏惧用for；事实上一般来说，代码“长得越像 C”、速度就会越快
一般来说，数据量越大、并发的效果越明显。反之，数据量小的时候，并发很有可能会降低性能
#赚钱 #数学 #编程