一. 前言：numba，让python速度提升百倍

python由于它动态解释性语言的特性，跑起代码来相比java、c++要慢很多，尤其在做科学计算的时候，十亿百亿级别的运算，让python的这种劣势更加凸显。

办法永远比困难多，numba就是解决python慢的一大利器，可以让python的运行速度提升上百倍！

二. 什么是numba?

numba是一款可以将python函数编译为机器代码的JIT编译器，经过numba编译的python代码（仅限数组运算），其运行速度可以接近C或FORTRAN语言。

python之所以慢，是因为它是靠CPython编译的，numba的作用是给python换一种编译器。

三. numba使用方法

from numba import jit
import numpy as np
import time

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

@jit(nopython=True)
def go_fast(a): # Function is compiled and runs in machine code
    trace = 0.0
    for i in range(a.shape[0]):
        trace += np.tanh(a[i, i])
    return a + trace

# DO NOT REPORT THIS... COMPILATION TIME IS INCLUDED IN THE EXECUTION TIME!
start = time.perf_counter()
go_fast(x)
end = time.perf_counter()
print("Elapsed (with compilation) = {}s".format((end - start)))

# NOW THE FUNCTION IS COMPILED, RE-TIME IT EXECUTING FROM CACHE
start = time.perf_counter()
go_fast(x)
end = time.perf_counter()
print("Elapsed (after compilation) = {}s".format((end - start)))

Elapsed (with compilation) = 3.3010261569870636s
Elapsed (after compilation) = 5.221023457124829e-06s

可以看到numba让python飞起来了！
用法：导入numba模块，再要进行加速的函数前加上@jit(nopython=True)这个装饰器。

四. 结论

numba对python代码运行速度有巨大的提升，这极大的促进了大数据时代的python数据分析能力，对数据科学工作者来说，这真是一个lucky tool ！

当然numba不会对numpy和for循环以外的python代码有很大帮助，你不要指望numba可以帮你加快从数据库取数，这点它真的做不到哈。

参考：https://numba.readthedocs.io/en/stable/user/5minguide.html