python numba jit 的效率

最新推荐文章于 2025-05-17 22:15:01 发布

原创最新推荐文章于 2025-05-17 22:15:01 发布 · 5.5k 阅读

5 ·

CC 4.0 BY-SA版权

python基础专栏收录该内容

865 篇文章

订阅专栏

本文通过具体案例展示了Numba库中的JIT编译器如何显著提升Python中数值运算密集型任务的执行效率。实验结果显示，在不同数据规模下，启用JIT后程序运行速度提升明显，尤其是在百万级别数据量时性能提升高达8倍以上。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

10w左右数据量，不加jit效率高，

100w左右数据量，加了jit效果高8倍以上

40w左右数据量，效率持平

from numba import jit
from numpy import arange

import datetime

len=399999
@jit
def sumjit(arr):
    M, N = arr.shape
    result = 0.0
    for i in range(M):
        for j in range(N):
            result += arr[i, j]

    return result

a = arange(len).reshape(len//3, 3)

start = datetime.datetime.now()

print(sumjit(a))
print ("jit",(datetime.datetime.now()-start).microseconds)

def sum2d(arr):

    M, N = arr.shape

    result = 0.0

    for i in range(M):

        for j in range(N):
            result += arr[i, j]

    return result

a = arange(len).reshape(len//3, 3)

start = datetime.datetime.now()

print(sum2d(a))
print ("noj",(datetime.datetime.now()-start).microseconds)