python程序的pypy加速

咱們知道，python做爲一種幾乎是腳本語言的語言，其優勢當然有，可是其有一個最大的缺點，就是運行速度沒有辦法和c，c++，java比。最近在些一些代碼的時候也是碰到了這樣的問題。

具體而言，python想提速度，基本思路是兩個，有個就jit技術，在python中比較好用的就是pypy；另一種就是先分析代碼速度瓶頸，而後把性能瓶頸用c或者別的語言寫成模塊，讓python調用。後面一種方法其實也存在折中，好比cython。對於cython，筆者目前也在學習中，後續有心得了，寫成文章和你們分享。

今天主要講一講pypy。

咱們先來看一個例子：

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
import time
def list_function():
list_1 = range(100000)
list_2 = range(100000)
result_list = list()
for cnt in range(100):
for (a, b) in zip(list_1, list_2):
result_list.append(a + b)

return sum(result_list)

start = time.time()

print list_function()
print 'time elapse', time.time() - start
這段代碼很簡單，反正測試用。

而後首先在命令行中用python命令執行一下，看一下花費了多少時間：

 

大概在三秒半左右，你們運行的時間可能會不同，畢竟筆者的筆記本已經有點年紀了，但我仍是很愛個人筆記本。

而後咱們換一個命令來運行，pypy

 

        surprise，什麼都沒作，速度就快了一倍還要多，因而有人就說，這個東西真好用。這就是JIT的力量，有人說，有些代碼，pypy能夠作到比c寫的還快。

實在是太好用了！

因而，咱們繼續寫一個：

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
import time
import pandas as pd

def list_function():
list_1 = range(100000)
list_2 = range(100000)
result_list = list()
for cnt in range(100):
for (a, b) in zip(list_1, list_2):
result_list.append(a + b)

return sum(result_list)

def df_function():
df = pd.DataFrame()
df['a'] = range(100000)
df['b'] = range(100000)
accu = 0
for cnt in range(100):
accu += sum(df['a'] + df['b'])
return accu

start = time.time()

print list_function()
print df_function()
print 'time elapse', time.time() - start
       在命令行中用python運行：

 

        大概5.5秒不到一點點的樣子。而後咱們想到了厲害的pypy。看一下效果吧：

 

        很遺憾，因爲咱們使用了pandas這一第三方包，因此不能用jit，也就是不能用pypy了，除非咱們去下一個支持jit的pandas的包。換句話說，若是你寫的python程序只包含build_in函數的話，那麼很開心，pypy能夠很好的加速，可是一般狀況下並非這樣的，我能會用到各類各樣的庫。那怎麼辦，爲了使用pypy而犧牲python最大的優勢，第三方庫，彷佛有點捨本逐末了，還不如直接用cpp呢！

 

其實有一個叫jitpy的東西，聽說能夠用，可是。。好像最近網被牆了。。後續能夠了再寫一個。

固然，其實pypy也是能夠本身安裝包的，只是第一包很少，第二版本比較老，並且。。安裝每每會出問題。或者cython纔是真正的王道。