<p>我最喜欢的是 Python ，它的代码优雅而实用，可惜纯粹从速度上来看它比大多数语言都要慢。大多数人也认为的速度和易于使用是两极对立的 —— 编写 C 代码的确非常痛苦。而 Cython 试图消除这种两重性，并让你同时拥有 Python 的语法和 C 数据类型和函数 —— 它们两个都是世界上最好的。请记住，我绝不是我在这方面的专家，这是我的第一次 Cython 真实体验的笔记：</p>    <p>编辑：根据一些我收到的反馈，大家似乎有点混淆 ——Cython 是用来生成 C 扩展到而不是独立的程序的。所有的加速都是针对一个已经存在的 Python 应用的一个函数进行的。没有使用 C 或 Lisp 重写整个应用程序，也没有手写 C 扩展   。只是用一个简单的方法来整合 C 的速度和 C 数据类型到 Python 函数中去。</p>    <p>现在可以说，我们能使下文的 great_circle 函数更快。所谓 great_circle 是计算沿地球表面两点之间的距离的问题：</p>    <pre>  <code class="language-python">importmath     defgreat_circle(lon1,lat1,lon2,lat2):      radius = 3956 #miles      x = math.pi/180.0         a = (90.0-lat1)*(x)      b = (90.0-lat2)*(x)      theta = (lon2-lon1)*(x)      c = math.acos((math.cos(a)*math.cos(b)) +                    (math.sin(a)*math.sin(b)*math.cos(theta)))      return radius*c  </code></pre>    <p>让我们调用它 50 万次并测定它的时间 ：</p>    <pre>  <code class="language-python">importtimeit       lon1, lat1, lon2, lat2 = -72.345, 34.323, -61.823, 54.826  num = 500000     t = timeit.Timer("p1.great_circle(%f,%f,%f,%f)" % (lon1,lat1,lon2,lat2),                        "import p1")  print "Pure python function", t.timeit(num), "sec"  </code></pre>    <p>约 2.2 秒   。它太慢了！</p>    <p>让我们试着快速地用 Cython 改写它，然后看看是否有差别：</p>    <pre>  <code class="language-python">importmath     defgreat_circle(float lon1,float lat1,float lon2,float lat2):      cdeffloat radius = 3956.0      cdeffloat pi = 3.14159265      cdeffloat x = pi/180.0      cdeffloat a,b,theta,c         a = (90.0-lat1)*(x)      b = (90.0-lat2)*(x)      theta = (lon2-lon1)*(x)      c = math.acos((math.cos(a)*math.cos(b)) + (math.sin(a)*math.sin(b)*math.cos(theta)))      return radius*c  </code></pre>    <p>请注意，我们仍然 importmath——cython 让您在一定程度上混搭 Python 和 C 数据类型在。转换是自动的，但并非没有代价。在这个例子中我们所做的就是定义一个 Python 函数，声明它的输入参数是浮点数类型，并为所有变量声明类型为 C 浮点数据类型。计算部分它仍然使用了 Python 的 math 模块。</p>    <p>现在我们需要将其转换为 C 代码再编译为 Python 扩展。完成这一部的最好的办法是编写一个名为 setup.py 发布脚本。但是，现在我们用手工方式   ，以了解其中的巫术：</p>    <pre>  <code class="language-python"><prename="code" class="plain"># this will create a c1.c file - the C source code to build a python extension    cythonc1.pyx        # Compile the object file    gcc -c -fPIC -I/usr/include/python2.5/ c1.c        # Link it into a shared library    gcc -sharedc1.o -o c1.so</pre>  </code></pre>    <p>现在你应该有一个 c1.so （或 .dll ）文件，它可以被 Python import 。现在运行一下：</p>    <pre>  <code class="language-python">    t = timeit.Timer("c1.great_circle(%f,%f,%f,%f)" % (lon1,lat1,lon2,lat2),                      "import c1")      print "Cython function (still using python math)", t.timeit(num), "sec"  </code></pre>    <p>约 1.8 秒   。并没有我们一开始期望的那种大大的性能提升。使用 python 的 math 模块应该是瓶颈。现在让我们使用 C 标准库替代之：</p>    <pre>  <code class="language-python">cdefexternfrom "math.h":      float cosf(float theta)      float sinf(float theta)      float acosf(float theta)     defgreat_circle(float lon1,float lat1,float lon2,float lat2):      cdeffloat radius = 3956.0      cdeffloat pi = 3.14159265      cdeffloat x = pi/180.0      cdeffloat a,b,theta,c         a = (90.0-lat1)*(x)      b = (90.0-lat2)*(x)      theta = (lon2-lon1)*(x)      c = acosf((cosf(a)*cosf(b)) + (sinf(a)*sinf(b)*cosf(theta)))      return radius*c  </code></pre>    <p>与 import math 相应，我们使用 cdef extern  的方式使用从指定头文件声明函数（在此就是使用 C 标准库的 math.h ）。我们替代了代价高昂的的 Python 函数，然后建立新的共享库，并重新测试：</p>    <pre>  <code class="language-python">    t = timeit.Timer("c2.great_circle(%f,%f,%f,%f)" % (lon1,lat1,lon2,lat2),                      "import c2")      print "Cython function (using trig function from math.h)", t.timeit(num), "sec"  </code></pre>    <p>现在有点喜欢它了吧？ 0.4 秒  – 比纯 Python 函数有 5 倍的速度增长。我们还有什么方法可以再提高速度？ c2.great_circle （）仍是一个 Python 函数调用，这意味着它产生 Python 的 API 的开销（构建参数元组等），如果我们可以写一个纯粹的 C 函数的话，我们也许能够加快速度。</p>    <pre>  <code class="language-python">cdefexternfrom "math.h":        float cosf(float theta)        float sinf(float theta)        float acosf(float theta)        cdeffloat _great_circle(float lon1,float lat1,float lon2,float lat2):        cdeffloat radius = 3956.0        cdeffloat pi = 3.14159265        cdeffloat x = pi/180.0        cdeffloat a,b,theta,c            a = (90.0-lat1)*(x)        b = (90.0-lat2)*(x)        theta = (lon2-lon1)*(x)        c = acosf((cosf(a)*cosf(b)) + (sinf(a)*sinf(b)*cosf(theta)))        return radius*c        def great_circle(float lon1,float lat1,float lon2,float lat2,int num):        cdefint i        cdeffloat x        for i from 0 < = i < num:            x = _great_circle(lon1,lat1,lon2,lat2)        return x  </code></pre>    <p>请注意，我们仍然有一个Python函数（ def ），它接受一个额外的参数 num。这个函数里的循环使用for i from 0 < = i< num: ，而不是更Pythonic，但慢得多的for i in range(num):。真正的计算工作是在C函数（cdef）中进行的，它返回float类型。这个版本只要0.2秒——比原先的Python函数速度提高10倍。</p>    <p>为了证明我们所做的已经足够优化，可以用纯C写一个小应用，然后测定时间：</p>    <pre>  <code class="language-python">#include <math .h>    #include <stdio .h>    #define NUM 500000        float great_circle(float lon1, float lat1, float lon2, float lat2){        float radius = 3956.0;        float pi = 3.14159265;        float x = pi/180.0;        float a,b,theta,c;            a = (90.0-lat1)*(x);        b = (90.0-lat2)*(x);        theta = (lon2-lon1)*(x);        c = acos((cos(a)*cos(b)) + (sin(a)*sin(b)*cos(theta)));        return radius*c;    }        int main() {        int i;        float x;        for (i=0; i < = NUM; i++)            x = great_circle(-72.345, 34.323, -61.823, 54.826);        printf("%f", x);    }  </code></pre>    <p>用 gcc -lm -octest ctest.c 编译它，测试用 time./ctest … 大约 0.2 秒   。这使我有信心，我 Cython 扩展相对于我的 C 代码也极有效率（这并不是说我的 C 编程能力很弱）。</p>    <p>能够用 cython 优化多少性能通常取决于有多少循环，数字运算和 Python 函数调用，这些都会让程序变慢。已经有一些人报告说在某些案例上 100 至 1000 倍的速度提升。至于其他的任务，可能不会那么有用。在疯狂地用 Cython 重写 Python 代码之前，记住这一点：</p>    <p>“ 我们应该忘记小的效率，过早的优化是一切罪恶的根源，有 97% 的案例如此。 “——DonaldKnuth</p>    <p>换句话说，先用 Python 编写程序，然后看它是否能够满足需要。大多数情况下，它的性能已经足够好了 …… 但有时候真的觉得慢了，那就使用分析器找到瓶颈函数，然后用 cython 重写，很快就能够得到更高的性能。</p>    <p>外部链接</p>    <p>WorldMill （ http://trac.gispython.org/projects/PCL/wiki/WorldMill ） —— 由 Sean Gillies 用 Cython 编写的一个快速的，提供简洁的 python 接口的模块，封装了用以处理矢量地理空间数据的 libgdal 库。</p>    <p>编写更快的 Pyrex 代码（ http://www.sagemath.org:9001/WritingFastPyrexCode ）—— Pyrex ，是 Cython 的前身，它们有类似的目标和语法。</p>    <p> </p>    <p>来自：http://python.jobbole.com/87368/</p>    <p> </p>