详细内容或原文请订阅后点击阅览
使用Cython Library
C语言速度的四步计划最重要，最重要的是，使用Cython库将Python代码运行的速度更快至80倍，这首先出现在数据科学方面。
来源:走向数据科学出色的语言，用于快速原型制作和代码开发，但是我经常听到人们对使用它的说法的一件事是，执行速度很慢。对于数据科学家和ML工程师来说，这是一个特殊的痛苦点，因为他们经常执行计算密集型操作，例如矩阵乘法，梯度下降计算或图像处理。
随着时间的流逝，Python通过向语言引入新功能（例如多线程或重写现有功能以提高性能以提高性能）来内部发展以解决其中一些问题。但是，Python对全球口译员锁（GIL）的使用经常像这样陷入困境。
也已经写了许多外部库来弥合python和汇编语言（例如Java）之间的这种感知性能差距。也许其中最常用和最著名的是Numpy库。 Numpy以C语言实现，是从头开始设计的，以支持多个CPU内核以及超快速的数值和数组处理。
numpy有Numpy的替代方案，在最近的TDS文章中，我介绍了NumExpr库，在许多用例中，该库甚至可以超越Numpy。如果您有兴趣了解更多信息，我将在本文末尾提供指向该故事的链接。
numexpr另一个非常有效的外部库是numba。 Numba利用Python的Just-time（JIT）编译器，该编译器在运行时将Python和Numpy代码的子集转换为快速机器代码。它旨在通过利用LLVM（低级虚拟机）编译器基础架构来加速数值和科学计算任务。
numba Cython什么是Cython？
我将通过将代码转换为使用Cython，检查三个用例并提供转换您现有的Python代码所需的四个步骤，以及每次运行的比较时间。
设置开发环境
，类型“ Jupyter Notebook” “ jupyter笔记本”示例1 - 加速循环
％load_ext Cython，