Cython 三分钟入门

关键时刻，第一时间送达！

我最喜欢的是Python，它的代码优雅而实用，可惜纯粹从速度上来看它比大多数语言都要慢。大多数人也认为的速度和易于使用是两极对立的——编写C代码的确非常痛苦。而 Cython 试图消除这种两重性，并让你同时拥有 Python 的语法和 C 数据类型和函数——它们两个都是世界上最好的。请记住，我绝不是我在这方面的专家，这是我的第一次Cython真实体验的笔记：

编辑：根据一些我收到的反馈，大家似乎有点混淆——Cython是用来生成 C 扩展到而不是独立的程序的。所有的加速都是针对一个已经存在的 Python 应用的一个函数进行的。没有使用C 或 Lisp 重写整个应用程序，也没有手写C扩展 。只是用一个简单的方法来整合C的速度和C数据类型到 Python 函数中去。

现在可以说，我们能使下文的great_circle 函数更快。所谓great_circle 是计算沿地球表面两点之间的距离的问题：

import math

def great_circle(lon1,lat1,lon2,lat2):

radius=3956#miles

x=math.pi/180.0

a=(90.0-lat1)*(x)

b=(90.0-lat2)*(x)

theta=(lon2-lon1)*(x)

c=math.acos((math.cos(a)*math.cos(b))+

(math.sin(a)*math.sin(b)*math.cos(theta)))

returnradius*c

让我们调用它 50 万次并测定它的时间 ：

import timeit

lon1,lat1,lon2,lat2= -72.345,34.323,-61.823,54.826

num=500000

t=timeit.Timer("p1.great_circle(%f,%f,%f,%f)"%(lon1,lat1,lon2,lat2),

"import p1")

print"Pure python function",t.timeit(num),"sec"

约2.2秒 。它太慢了！

让我们试着快速地用Cython改写它，然后看看是否有差别：

import math

def great_circle(floatlon1,floatlat1,floatlon2,floatlat2):

cdeffloatradius=3956.0

cdeffloatx=pi/180.0

cdeffloata,b,theta,c

a=(90.0-lat1)*(x)

b=(90.0-lat2)*(x)

theta=(lon2-lon1)*(x)

c=math.acos((math.cos(a)*math.cos(b))+(math.sin(a)*math.sin(b)*math.cos(theta)))

returnradius*c

请注意，我们仍然importmath——cython让您在一定程度上混搭Python和C数据类型在。转换是自动的，但并非没有代价。在这个例子中我们所做的就是定义一个Python函数，声明它的输入参数是浮点数类型，并为所有变量声明类型为C浮点数据类型。计算部分它仍然使用了Python的 math 模块。

现在我们需要将其转换为C代码再编译为Python扩展。完成这一部的最好的办法是编写一个名为setup.py发布脚本。但是，现在我们用手工方式 ，以了解其中的巫术：

# this will create a c1.c file - the C source code to build a python extension

cythonc1.pyx

# Compile the object file

gcc-c-fPIC-I/usr/include/python2.5/c1.c

# Link it into a shared library

gcc-sharedc1.o-oc1.so

现在你应该有一个c1.so（或.dll）文件，它可以被Python import。现在运行一下：

t=timeit.Timer("c1.great_circle(%f,%f,%f,%f)"%(lon1,lat1,lon2,lat2),

"import c1")

print"Cython function (still using python math)",t.timeit(num),"sec"

约1.8秒 。并没有我们一开始期望的那种大大的性能提升。使用 python 的 math 模块应该是瓶颈。现在让我们使用C标准库替代之：

cdef externfrom"math.h":

floatcosf(floattheta)

floatsinf(floattheta)

floatacosf(floattheta)

def great_circle(floatlon1,floatlat1,floatlon2,floatlat2):

cdeffloatradius=3956.0

cdeffloatx=pi/180.0

cdeffloata,b,theta,c

a=(90.0-lat1)*(x)

b=(90.0-lat2)*(x)

theta=(lon2-lon1)*(x)

c=acosf((cosf(a)*cosf(b))+(sinf(a)*sinf(b)*cosf(theta)))

returnradius*c

与 import math 相应，我们使用cdef extern 的方式使用从指定头文件声明函数（在此就是使用C标准库的math.h）。我们替代了代价高昂的的Python函数，然后建立新的共享库，并重新测试

t=timeit.Timer("c2.great_circle(%f,%f,%f,%f)"%(lon1,lat1,lon2,lat2),

"import c2")

print"Cython function (using trig function from math.h)",t.timeit(num),"sec"

现在有点喜欢它了吧？0.4秒 –比纯Python函数有5倍的速度增长。我们还有什么方法可以再提高速度？c2.great_circle（）仍是一个Python函数调用，这意味着它产生Python的API的开销（构建参数元组等），如果我们可以写一个纯粹的C函数的话，我们也许能够加快速度。

cdef externfrom"math.h":

floatcosf(floattheta)

floatsinf(floattheta)

floatacosf(floattheta)

cdef float_great_circle(floatlon1,floatlat1,floatlon2,floatlat2):

cdef floatradius=3956.0

cdef floatx=pi/180.0

cdef floata,b,theta,c

a=(90.0-lat1)*(x)

b=(90.0-lat2)*(x)

theta=(lon2-lon1)*(x)

c=acosf((cosf(a)*cosf(b))+(sinf(a)*sinf(b)*cosf(theta)))

returnradius*c

defgreat_circle(floatlon1,floatlat1,floatlon2,floatlat2,intnum):

cdef inti

cdef floatx

forifrom

x=_great_circle(lon1,lat1,lon2,lat2)

returnx

请注意，我们仍然有一个Python函数（ def ），它接受一个额外的参数 num。这个函数里的循环使用for i from 0

为了证明我们所做的已经足够优化，可以用纯C写一个小应用，然后测定时间：

#include

#include

#define NUM 500000

floatgreat_circle(floatlon1,floatlat1,floatlon2,floatlat2){

floatradius=3956.0;

floatx=pi/180.0;

floata,b,theta,c;

a=(90.0-lat1)*(x);

b=(90.0-lat2)*(x);

theta=(lon2-lon1)*(x);

c=acos((cos(a)*cos(b))+(sin(a)*sin(b)*cos(theta)));

returnradius*c;

}

intmain(){

inti;

floatx;

for(i=;i

x=great_circle(-72.345,34.323,-61.823,54.826);

printf("%f",x);

}

用gcc -lm -octest ctest.c编译它，测试用time./ctest …大约0.2秒 。这使我有信心，我Cython扩展相对于我的C代码也极有效率（这并不是说我的C编程能力很弱）。

能够用 cython 优化多少性能通常取决于有多少循环，数字运算和Python函数调用，这些都会让程序变慢。已经有一些人报告说在某些案例上 100 至 1000 倍的速度提升。至于其他的任务，可能不会那么有用。在疯狂地用 Cython重写 Python 代码之前，记住这一点：

“我们应该忘记小的效率，过早的优化是一切罪恶的根源，有 97% 的案例如此。“——DonaldKnuth

换句话说，先用 Python 编写程序，然后看它是否能够满足需要。大多数情况下，它的性能已经足够好了……但有时候真的觉得慢了，那就使用分析器找到瓶颈函数，然后用cython重写，很快就能够得到更高的性能。

外部链接

WorldMill（http://trac.gispython.org/projects/PCL/wiki/WorldMill）——由Sean Gillies 用 Cython 编写的一个快速的，提供简洁的 python 接口的模块，封装了用以处理矢量地理空间数据的 libgdal 库。

来源：laiyonghao

blog.csdn.net/gzlaiyonghao/article/details/4561611

Python开发整理发布，转载请联系作者获得授权