from numba import jit
import timeit
# 使用numba的情况
@jit(nopython=True)
def t():
    x = 0
    # for i in np.arange(5000):
    for i in range(99999999999999):
        x += i
    return x
#%timeit(t())
print(timeit.timeit("t()", setup="from __main__ import t",number=1))

以上代码，用时0.2秒。如果不用numba，几个小时都没算完。有大佬知道numba的加速原理吗？或者给个链接？为什么numba不能像python一样，支持大数乘法呢？
--
修改:feng321 FROM 120.242.253.*
FROM 120.242.253.*

装numba的时候，能看到会安装依赖的llvmlite

numba的jit修饰器对限定的python代码进行分析处理，然后调用llvm进行jit优化和生成本机代码
并把python函数包装成一个C函数

所以这个函数能跟C一样的性能，前提是这个python函数里没有调用它不认识的python对象。

如果调用了python对象，就没法绕开python解释器去生成本地代码。


【 在 feng321 的大作中提到: 】
: [code=py]
: from numba import jit
: import timeit
: ...................
--
FROM 123.112.64.*