立竿见影地把你的 Python 代码提速7倍（不是立竿见影）

之前曾经测试计算斐波那契数列的几种方法，其中基于递归的方法是速度最慢的，例如计算第 40 项的值，需要 36 秒。如下图所示。

要提高运算速度，根本办法当然是改进算法。不过算法的提高是一个长期积累加上灵机一动的过程。我们今天要讲的，是一个不费脑筋，立竿见影的方法——把 Python 代码编译成 C 语言代码。通过 C 语言的运行效率来加速计算过程。

这个过程看起来很复杂，但实际上你并不需要编写一行 C 语言代码。你需要做的只是使用一个叫做 Cython 的库把 Python 代码编译为 C 语言代码即可。

首先我们来安装 Cython，就像安装普通的第三方库一样：

安装完成以后，我们单独写计算斐波那契数列的函数:

非常简单的递归写法。然后关键来了，我们要把这个文件保存为fast_fib.pyx。注意后缀是.pyx。如下图所示：

然后我们创建一个setup.py文件，文件内容如下：

如下图所示：

这个文件的作用，就是调用 Cython 的cythonize函数把 Python 代码转换为 C 代码。

接下来，开始编译代码，执行如下命令：

我的 Python 是 Python3.7，所以运行完成以后，会生成一个fast_fib.cpython-37m-darwin.so，如果你的 Python 是3.8，这个文件名可能是fast_fib.cpython-38m-darwin.so。这个文件你可以改名字，例如改成fast_fib.so。

还有一个文件叫做fast_fib.c。不过你不用打开这个文件，因为它有3200多行。并且你甚至可以直接把它删掉。真正有用的只有这个fast_fib.cpython-38m-darwin.so文件。

你需要做的，仅仅是直接调用你的函数。我们另外创建一个文件test_fast_fib.py，内容如下：

运行效果如下图所示：

计算斐波那契数列第40项只需要5秒钟，速度妥妥变成 Python 版本的7倍。

使用 Cython，不仅可以提高程序的运行速度，还可以把你的核心代码转换为.so文件，防止别人反编译看到你的代码。

关于 Cython 的更多介绍，请阅读它的官方文档[1]

有同学可能会问，当前文件夹下面既然有fast_fib.pyx文件，为什么当我们执行from fast_fib import fib的时候，不会从这个文件里面导入 Python 版本的代码？

这是因为，import只会从后缀为.py/.pyc/.pyo/.so的文件中导入模块，不会进入.pyx文件中寻找。

参考资料

[1]

官方文档: https://cython.readthedocs.io/

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。