python interactive函数_4种方式给你的Python程序加速

Python是一个强大的语言，它基于C语言。虽然C语言本身非常快，但是做成Python解释器后，C因为要处理众多的细节、语法、数据结构，所以牺牲了很大一部分的性能，导致Python执行一行代码的速度普遍比C语言慢上50倍。

但Python的一行代码能实现的一般都比C语言要多得多，所以，Python速度相对较慢这个问题，是最不是问题的问题。

但有时候速度问题却让人很头疼，特别是类似数据分析的时候，需要有大量的基础加减乘除、列表、循环的操作的时候，Python慢这一特点就突显出来了。

这篇文章就围绕列举出了4种能方便快捷地给Python提速的方法。

目录numpy | 高效的数组简介

lru_cache | 缓存功能

PyPy | 什么？Python做的Python能比Python更快？

numba | 高效的Python编译器

Numpy | 高效的数组

学数据分析的人对这个模块肯定很熟悉了。NumPy是使用Python进行科学计算的基础软件包，它提供了一个快速的，高效的，功能全面的数组：Ndarray，使用它替换Python内置的列表，会让Python的速度有很大提升。下面来简单使用一下。

安装

$ pip install numpy附注：下面在命令行里执行的命令，提示符统一为 "$"，而Python解释器里是 ">>>"，PyPy里是 ">>>>"，如果什么都没有，则说明这是一段代码。附注也会以这样的形式出现。

如果pip下载速度太慢，你可以尝试使用镜像地址，效果很好。

就是这么简单。

创建数组

让我们先打开Python解释器并导入numpy：

$ python

Python 3.8.6 (tags/v3.8.6:db45529, Sep 23 2020, 15:52:53) [MSC v.1927 64 bit (AMD64)] on win32

Type "help", "copyright", "credits" or "license" for more information.

>>> import numpy as np

>>>附注："np"是numpy导入和调用时常用的别名

如果没有错误，则说明你安装成功了。

下面创建一个ndarray对象：

>>> import numpy as np

>>>

>>> # 创建一个数组，数组内的值全为np.int32类型(就是整数)

>>> x = np.array([2, 3, 5, 9, 8, 4, 13, 99], np.int32)

>>> type(x)

>>> x.dtype

dtype('int32')

>>> x

array([ 2, 3, 5, 9, 8, 4, 13, 99])

>>>

可以看到，我们创建了一个数组。创建的时候，传入了一个叫np.int32的值，，这是一个dtype对象，这表示数组内的值全为np.int32类型，也就是整型。

ndarray数组是不可以存入不同的类型的值，例如np.int32(整数)类型的数组不可以存np.float32(小数)类型的值。