对于 Python 的科学计算有哪些提高运算速度的技巧？

最近在用 Python 做科学计算，但是被 Python 的运行速度所困扰。矩阵运算也很慢，想征求下大家的建议。有什么优化 Python 科学计算的方法么？或者对于科学计算的语言有什么推荐么？非常感谢！

Sager · 2018-9-27 22:16:29

避免使用for循环。
备注：能用Series，Dataframe，矩阵运算的千万不要使用for循环。也可以结合Python的列表解析和生成器表达式取代for循环。

回归猴子 · 2018-9-27 22:16:31

python因为所有东西都是对象。。所以box/unbox会耗时间。。然后gil所以同时只能解释单线程。。

所以想加速。。
1。numpy的array可以理解为整个array是单一box。。所以尽量整体操作会节约时间。
2。把计算intensive的部分放到其他语言里写：首先是python/c的api。。不过这样写程序就没有写python那么快了。所以cython也是一个不错的选择。。
3。另外针对gil 也是一样的道理可以考虑把计算分给不同的py程序去完成（分数据集，分任务这样），这样就可以并行了；另外呢，2的方法也能解决这个问题。
4。有个东西叫numba。。numba.jit算是性价比最高的无脑优化了（不过好像影响精度）。。

帅得都溢出了 · 2018-9-27 22:16:33

可以用cython，numba，pypy提高Python的运行速度。用GPU做并行的话可以用gnumpy或者tensor flow。Python自身的并行很淡腾，全局解释锁使得Python的多线程同时只能利用一个核。想用多核就要用多进程，Python的多进程通信要把对象进行序列化，效率比较低。想大幅度提高运行速度，关键部分的代码还是用Fortran或者C/C++写比较好。

liv · 2018-9-27 22:16:34

提示: 作者被禁止或删除内容自动屏蔽

南方的太阳鱼 · 2018-9-27 22:16:36

原来这里是知乎

刘天亮 · 2018-9-27 22:16:37

用multiprocessing。如果没记错的话模块应该叫这个名字，跑程序的时候可以把需要大量计算的东西拆成几小份。然后分发给每个进程。这样也算是能变相使用多进程吧。不过这个东西不太好用，应用范围也挺窄的。别人说的很多看样子都挺好的。走投无路的时候可以试试这种多进程方法。

柠檬浣熊 · 2018-9-27 22:16:38

转Julia，转nim
cython
rust写扩展。
为什么不用c或c艹？
你如果能理解gc工作原理,熟悉内存操作爱用用呗.
只不过一般情况下弱智的Python GC都不怎么管用
恩,Julia最简洁

对于 Python 的科学计算有哪些提高运算速度的技巧？

7 个回复