python程序的pypy加速

咱们知道，python做为一种几乎是脚本语言的语言，其优势当然有，可是其有一个最大的缺点，就是运行速度没有办法和c，c++，java比。最近在些一些代码的时候也是碰到了这样的问题。

具体而言，python想提速度，基本思路是两个，有个就jit技术，在python中比较好用的就是pypy；另一种就是先分析代码速度瓶颈，而后把性能瓶颈用c或者别的语言写成模块，让python调用。后面一种方法其实也存在折中，好比cython。对于cython，笔者目前也在学习中，后续有心得了，写成文章和你们分享。

今天主要讲一讲pypy。

咱们先来看一个例子：

#!/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
这段代码很简单，反正测试用。

而后首先在命令行中用python命令执行一下，看一下花费了多少时间：

 

大概在三秒半左右，你们运行的时间可能会不同，毕竟笔者的笔记本已经有点年纪了，但我仍是很爱个人笔记本。

而后咱们换一个命令来运行，pypy

 

        surprise，什么都没作，速度就快了一倍还要多，因而有人就说，这个东西真好用。这就是JIT的力量，有人说，有些代码，pypy能够作到比c写的还快。

实在是太好用了！

因而，咱们继续写一个：

#!/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运行：

 

        大概5.5秒不到一点点的样子。而后咱们想到了厉害的pypy。看一下效果吧：

 

        很遗憾，因为咱们使用了pandas这一第三方包，因此不能用jit，也就是不能用pypy了，除非咱们去下一个支持jit的pandas的包。换句话说，若是你写的python程序只包含build_in函数的话，那么很开心，pypy能够很好的加速，可是一般状况下并非这样的，我能会用到各类各样的库。那怎么办，为了使用pypy而牺牲python最大的优势，第三方库，彷佛有点舍本逐末了，还不如直接用cpp呢！

 

其实有一个叫jitpy的东西，听说能够用，可是。。好像最近网被墙了。。后续能够了再写一个。

固然，其实pypy也是能够本身安装包的，只是第一包很少，第二版本比较老，并且。。安装每每会出问题。或者cython才是真正的王道。