©2020-2024 ioDraw All rights reserved,
Privacy Policy
<>1、说明：
测试是在win10平台下进行的，先给大家看一下计算机的配置：
测试环境：
Python3.6.4 GCC 8.1.0 # 需要自己安装哦~ G++ 8.1.0
<>2、测试C和Python分别累加到1亿，花费的时间
<>2.1、C语言程序
首先使用创建Test.c文件，然后将Test.c文件转化为DLL（Win下使用Python调用DLL，Ubuntu下调用so）。
将下列程序复制到Test.c文件中，然后运行gcc -shared -o Test.dll Test.c生成DLL文件
#include "stdio.h" // 关键：__declspec(dllexport) 申明将这个方法导出到DLL中。 __declspec(
dllexport) int sum(int a) { while (a < 100000000) { /* code */ a = a + 1; } //
printf("%d", a); return a; }
<>2.2、Python程序
创建python2c.py文件，将下面程序复制到python2c.py文件中，然后运行python2c.py
from ctypes import * import time from numba import jit dll = windll.LoadLibrary
('Test.dll') def c_calc_sum(): a=dll.sum(1) print(a) start_c = time.time()
c_calc_sum() print(time.time() - start_c) # @jit def calc_sum(): sum_py = 0 for
i inrange(100000000): sum_py = sum_py + 1 start_py = time.time() calc_sum()
print(time.time() - start_py)
输出结果如下：
100000000 0.15740251541137695 # 说明：c语言计算结果 4.498934984207153 # 说明：Python语言计算结果
上面的测试，是分别使用C程序和Python程序累加计算1+1+1+1…(1亿次)
从结果中我们可以看出，使用C比Python快了约28倍。
<>3、测试C和Python（numba加速）分别累加到1亿，花费的时间
我们只需要将上述python2c.py文件中的# @jit注释去掉，也就是改为@jit即可实现numba加速。
看一下使用numba加速后Python的运行效率：
100000000 0.14839458465576172 # 说明：c语言计算结果 0.16844749450683594 #
说明：Python语言计算结果
<>4、结论
从上述结果我们可以看出：
1、分别使用c和python测试从1累加到1亿，c比python快了将近28倍（python不使用numba加速）；
2、分别使用c和python测试从1累加到1亿，c比python快了将近1.4倍（python用numba加速）；