numba库介绍

1.介绍 GitHub链接

numba是python的即时编译器，当调用python函数时，全部或部分代码会被替换为机器码执行！由Anaconda公司赞助。numba可以加速计算负载比较大的python函数（例如循环），主要针对浮点数，支持numpy库。

2.安装

# Ubuntu18
apt install llvm
pip3 install numba

# 使用anaconda
conda install numba

3.基本使用

# 示例
from numba import jit
import numpy as np

x= np.arange(100).reshape(10,10)

@jit(nopython=True)
def go_fast(a):
    trace=0
    for i in range(a.shape[0]):
        trace += np.tanh(a[i,i])
    return a+trace

print(go_fast(x))

@jit 表示尽可能加速，但对于无法加速的函数和类型仍使用python

@njit 表示全部使用加速，可能会变得更慢，等同于@jit（nopython=True）

需要注意的是numba不理解pandas的DataFrame格式。

4.其他装饰器

@vectorize
生成numpy的ufunc，支持所有ufunc方法，可以支持配置精度。
'''
@vectorize([int32(int32, int32),
            int64(int64, int64),
            float32(float32, float32),
            float64(float64, float64)])
def f(x, y):
    return x + y
'''
https://numba.pydata.org/numba-doc/latest/user/vectorize.html#vectorize

@guvectorize
生成numpy的广义ufunc,可以直接定义数组。
https://numba.pydata.org/numba-doc/latest/user/vectorize.html#guvectorize

@stencil
将函数声明为类似stencil类型操作的核函数。

@jitclass
基于jit类。

@cfunc
声明一个函数用作本地回调。

@overload
注册自己的函数实现，以便在nopython中使用。

其他装饰器参数：
parallel=True
启用函数的自动并行化。

fastmath=True
启用函数的快速数学行为。


cffi
在nopython模式下支持调用cffi函数。

ctypes
在nopython模式下支持调用ctypes包装函数。

主要参考链接