通過使用jit裝飾器，使用Numba非常容易：

正如你所知道的，在Python中，所有程式碼塊都被編譯成位元組碼：

當然在學習Python的道路上肯定會困難，沒有好的學習資料，怎麼去學習呢？

所以小編準備了一份零基礎入門Python的學習資料。關注，轉發，私信“007”即可領取！

進群：548377875  即可獲取數十套PDF的獲取方式哦！

Python numba 體系結構

Numba的優勢：

• 易用性
• 自動並行化
• 支援numpy操作和物件
• GPU支援

Numba的劣勢：

• 多層的抽象使得除錯和優化變得非常困難
• 在nopython模式下無法與Python及其模組進行互動
• 有限的類支援

Cython

取代分析位元組碼和生成IR，Cython使用Python語法的超集，它後來轉換成C程式碼。在使用Cython時，基本上是用高階Python語法編寫C程式碼。

在Cython中，通常不必擔心Python包裝器和低階API呼叫，因為所有互動都會自動擴充套件到合適的C程式碼。

與Numba不同，所有的Cython程式碼應該在專門檔案中與常規Python程式碼分開。Cython將這些檔案解析並轉換成C程式碼，然後使用提供的C編譯器 (例如， gcc)編譯它。

Python程式碼已經是有效的Cython程式碼。

但是，型別版本工作得更快。

編寫快速Cython程式碼需要理解C和Python內部結構。如果你熟悉C，你的Cython程式碼可以執行得和C程式碼一樣快。

Cython的優勢：

• 通過Python API的使用控制
• 與C/C++庫和C/C++程式碼的簡單介面
• 並行執行支援
• 支援Python類，在C中提供面向物件的特性

Cython的劣勢：

• 學習曲線
• 需要C和Python內部專業技術
• 模組的組織不方便

Numba 對 Cython

就個人而言，我更喜歡小專案和ETL實驗用Numba。你可以將其插入現有專案中。如果我需要啟動一個大專案或為C庫編寫包裝器，我將使用Cython，因為它提供更多的控制和更容易除錯。

此外，Cython是許多庫的標準，如pandas、scikit-learn、scipy、Spacy、gensim和lxml。