在优化 Python 代码时，性能关键部分可以从 Cython 等工具中受益匪浅。在本文中，我们将演练将 Python 实现的性能与 Cython 实现的性能进行比较的过程。最后，您将了解 Cython 如何加速计算以及如何精确测量执行时间。

第 1 步：Python 实现

我们从一个简单的 Python 函数开始，该函数计算范围内数字的平方和：

import time

def python_function():
    result = 0
    for i in range(1, 10**6):
        result += i**2
    return result

if __name__ == "__main__":
    start_time = time.perf_counter()
    python_result = python_function()
    end_time = time.perf_counter()
    
    print(f"Python Result: {python_result}")
    print(f"Python Execution Time: {end_time - start_time:.10f} seconds")

Python 实现功能正常，但相对较慢，在此范围内执行大约需要 0.0987 秒。

第 2 步：编写 Cython 代码

Cython 允许将类似 Python 的语法编译成 C 语言，从而大大提高性能。我们创建了以下 Cython 实现并将其保存在名为 cython_function.pyx 的文件中：

def cython_function():
    cdef unsigned long long result = 0  # Use unsigned long long for larger values
    cdef unsigned long long i  # Use unsigned long long for the loop variable

    for i in range(1, 10**6):  # Ensure the loop runs correctly
        result += i * i  # Avoid Python's ** operator; use * for better performance and accuracy

    return result

此实现使用 cdef 将变量声明为 unsigned long long，从而防止整数溢出并确保计算保持高效。

第 3 步：编译 Cython 代码

为了编译 Cython 文件，我们使用了以下 setup.py 脚本：

from setuptools import setup, Extension
from Cython.Build import cythonize

extensions = [
    Extension("cython_function", ["cython_function.pyx"]),
]

setup(
    ext_modules=cythonize(extensions),
)

我们运行了编译命令：

python setup.py build_ext --inplace

这会在工作目录中生成一个 .pyd 文件 （ cython_function.cp312-win_amd64.pyd ）。

第 4 步：测试和测量执行时间

我们更新了 Python 脚本以测试这两种实现，并使用 time.perf_counter（） 精确测量执行时间：

from cython_function import cython_function
from Python_Implementation import python_function
import time

# Measure Python execution time
start_time = time.perf_counter()
python_result = python_function()
end_time = time.perf_counter()
print(f"Python Result: {python_result}")
print(f"Python Execution Time: {end_time - start_time:.10f} seconds")

# Measure Cython execution time
start_time = time.perf_counter()
cython_result = cython_function()
end_time = time.perf_counter()
print(f"Cython Result: {cython_result}")
print(f"Cython Execution Time: {end_time - start_time:.10f} seconds")

第 5 步：结果和分析

结果表明，Cython 的性能得到了显著提高：

主要观察

• 结果一致性：两种实现都返回相同的结果，从而确保正确性。
• 加速：Cython 实现的速度比 Python 版本快大约 277 倍。

第 6 步：经验教训

Cython 优化：

• 声明变量类型 （cdef） 和使用高效运算（例如，* 而不是 **）对于性能至关重要。

精确计时：

• time.perf_counter（） 提供更高的分辨率，非常适合测量小执行时间。

设置挑战：

• 编译 Cython 需要 C 编译器。对于 Windows，安装 Microsoft C++ Build Tools 是必不可少的。

结论

通过使用 Cython 将类似 Python 的代码编译成 C 语言，我们实现了性能的显著提升。这证明了 Cython 在 Python 中优化计算密集型任务的潜力。Cython 密切关注变量类型和编译步骤，对于希望将 Python 的简单性与 C 语言的速度相融合的开发人员来说，它是一个强大的工具。