[[265443]]

在我們這個(gè)包含了 7 個(gè) PyPI 庫(kù)的系列文章中學(xué)習(xí)解決常見(jiàn)的 Python 問(wèn)題的方法。

Python 是當(dāng)今使用最多的流行編程語(yǔ)言之一，因?yàn)椋核情_源的，它有廣泛的用途（例如 Web 編程、業(yè)務(wù)應(yīng)用、游戲、科學(xué)編程等等），它有一個(gè)充滿活力和專注的社區(qū)支持它。這個(gè)社區(qū)可以讓我們?cè)?Python Package Index（PyPI）中有如此龐大、多樣化的軟件包，用以擴(kuò)展和改進(jìn) Python 并解決不可避免的問(wèn)題。

在本系列中，我們將介紹七個(gè)可以幫助你解決常見(jiàn) Python 問(wèn)題的 PyPI 庫(kù)。首先是 Cython，一個(gè)簡(jiǎn)化 Python 編寫 C 擴(kuò)展的語(yǔ)言。

Cython

使用 Python 很有趣，但有時(shí)，用它編寫的程序可能很慢。所有的運(yùn)行時(shí)動(dòng)態(tài)調(diào)度會(huì)帶來(lái)很大的代價(jià)：有時(shí)它比用 C 或 Rust 等系統(tǒng)語(yǔ)言編寫的等效代碼慢 10 倍。

將代碼遷移到一種全新的語(yǔ)言可能會(huì)在成本和可靠性方面付出巨大代價(jià)：所有的手工重寫工作都將不可避免地引入錯(cuò)誤。我們可以兩者兼得么？

為了練習(xí)一下優(yōu)化，我們需要一些慢代碼。有什么比斐波那契數(shù)列的意外指數(shù)實(shí)現(xiàn)更慢？

def fib(n):
  if n < 2:
    return 1
  return fib(n-1) + fib(n-2)

由于對(duì) fib 的調(diào)用會(huì)導(dǎo)致兩次再次調(diào)用，因此這種效率極低的算法需要很長(zhǎng)時(shí)間才能執(zhí)行。例如，在我的新筆記本電腦上，fib(36) 需要大約 4.5 秒。這個(gè) 4.5 秒會(huì)成為我們探索 Python 的 Cython 擴(kuò)展能提供的幫助的基準(zhǔn)。

使用 Cython 的正確方法是將其集成到 setup.py 中。然而，使用 pyximport 可以快速地進(jìn)行嘗試。讓我們將 fib 代碼放在 fib.pyx 中并使用 Cython 運(yùn)行它。

>>> import pyximport; pyximport.install()
>>> import fib
>>> fib.fib(36)

只使用 Cython 而不修改代碼，這個(gè)算法在我筆記本上花費(fèi)的時(shí)間減少到大約 2.5 秒。幾乎無(wú)需任何努力，這幾乎減少了 50％ 的運(yùn)行時(shí)間。當(dāng)然，得到了一個(gè)不錯(cuò)的成果。

加把勁，我們可以讓它變得更快。

cpdef int fib(int n):
  if n < 2:
    return 1
  return fib(n - 1) + fib(n - 2)

我們將 fib 中的代碼變成用 cpdef 定義的函數(shù)，并添加了兩個(gè)類型注釋：它接受一個(gè)整數(shù)并返回一個(gè)整數(shù)。

這個(gè)變得快多了，大約只用了 0.05 秒。它是如此之快，以至于我可能開始懷疑我的測(cè)量方法包含噪聲：之前，這種噪聲在信號(hào)中丟失了。

當(dāng)下次你的 Python 代碼花費(fèi)太多 CPU 時(shí)間時(shí)，也許會(huì)導(dǎo)致風(fēng)扇狂轉(zhuǎn)，為何不看看 Cython 是否可以解決問(wèn)題呢？

在本系列的下一篇文章中，我們將看一下 Black，一個(gè)自動(dòng)糾正代碼格式錯(cuò)誤的項(xiàng)目。

（題圖：Subgrafik San）