详细内容或原文请订阅后点击阅览
如何从 Python 调用 Rust
弥合易用性和原始性能之间差距的指南。如何从 Python 调用 Rust 帖子首先出现在 Towards Data Science 上。
来源:走向数据科学，Python 足够快 — 尤其是当您依赖 NumPy、Polars 或其他用 C 等编译语言编写的经过精心调优的库时。但有时，您最终会遇到一个无法矢量化的热循环：也许您正在遍历字符串列表来清理它们，或者您正在解析每个字符都很重要的混乱文本。你分析它，确认罪魁祸首，然后你盯着一个占用你一半运行时间的 for 循环。这就是 Rust 闪耀的时刻。
Rust 为您提供可预测的性能、对内存的严格控制和无所畏惧的并发性，而无需手动内存管理的麻烦。如果您正在考虑 — 不是另一种需要学习的语言！，好消息是您不需要放弃 Python 来使用 Rust。你可以保留你的编排、你的笔记本、你的测试 ——并且只将微小、无聊的内部循环移至 Rust。这使得 Rust 的学习曲线保持在绝对最低限度。
在本文中，我将演示如何从 Python 调用 Rust 并比较运行纯 Python 和 Python/Rust 组合之间的性能差异。这不会是关于 Rust 编程的教程，因为我假设您至少知道它的基础知识。
何苦呢？
现在，你可能会想：如果我了解 Rust，为什么我还要费心将它与 Python 集成——只是用 Rust 编程，对吧？
嗯，首先，我想说的是，了解 Rust 并不会自动使其成为整个应用程序的最佳语言。对于许多系统，例如机器学习、人工智能、脚本和 Web 后端等，Python 已经是首选语言。
其次，大多数代码对性能并不关键。对于这些部分，您通常只需要 Rust 的一小部分就可以产生真正的影响，因此一点点 Rust 知识可以大有帮助。
最后，Python 的生态系统很难被取代。即使您很了解 Rust，Python 也可以让您立即访问以下工具：