1. Cython是什么？

Cython是让Python脚本支持C语言扩展的编译器，Cython能够将Python+C混合编码的.pyx脚本转换为C代码，主要用于优化Python脚本性能或Python调用C函数库。由于Python固有的性能差的问题，用C扩展Python成为提高Python性能常用方法，Cython算是较为常见的一种扩展方式。

2. 如何安装Cython？

我们可以通过conda或者pip来进行安装，命令如下：

$ conda install -c anaconda cython

或者

$ pip install Cython

3. 简单示例

安装完成后，我们以一个简单的Cython项目作为例子，来说明Cython的编译步骤．首先我们需要知道Cython源文件均以.pyx结尾．比如我们需要定义一个简单的返回一个字符串的函数,如下所示：
1). 创建examples_cy.pyx

$ touch examples_cy.pyx

2). 往里写入函数hello_cython, 如下所示

def hello_cython():
    return "Hello Cython!"

3). 在同级目录下创建setup.py,该文件负责编译上述pyx文件生成.c 和 .so文件

$ touch setup.py

内容如下:

from distutils.core import setup
from Cython.Build import cythonize
setup(
    name="Example Cython",
    ext_modules=cythonize(["examples_cy.pyx"])
)

4). 执行编译命令

python setup.py build_ext --inplace

执行上述命令，进行编译，编译前目录结构如下：

编译过程如下：

编译后如下：

5). 编写main.py，进行验证

$ touch main.py

内容如下:

from examples_cy import hello_cython
print(hello_cython())

执行结果如下：

４. 性能比对

学会上面简单的操作后，接下来我们来举一个稍微复杂的例子来对比使用Python和Cython的性能．我们以计算以下级数为例来做相关性能对比：

1).使用python代码实现如下：

def pi_py(N):
    pi = 0
    for n in range(N):
        pi += (-1.0)**n/(2*n + 1)
    return 4*pi

2).使用cython代码实现如下：
在上述examples_cy.pyx里，使用cython语法实现上述操作，代码如下：

cpdef double pi_cy(int N):
    cdef double pi = 0
    cdef int n;
    for n in range(N):
        pi += (-1.0) ** n / (2 * n + 1)
    return 4 * pi

上述代码中的cpdef表明在C语言层面声明了函数。正如我们所知道的在C语言中你必须为每一个函数定义返回值的类型．一般来说def定义的函数可以从python和Cython调用，而cdef可以从Cython和Ｃ调用．

3). 再次编译

python setup.py build_ext --inplace

4). 在main.py中编写统计耗时函数

from examples_cy import hello_cython,pi_cy
import time

def pi_py(N):
    pi = 0
    for n in range(N):
        pi += (-1) **n / (2*n + 1)
    return 4*pi

if __name__ == "__main__":
    print(hello_cython())
    
    stime = time.time()
    for _ in range(100):
        out1 = pi_py(1000000)
    etime = time.time()

    stime2 = time.time()
    for _ in range(100):
        out2 = pi_cy(1000000)
    etime2 = time.time()

    print("pi_py result {} time cost {} s".format(out1, etime - stime))
    print("pi_cy result {} time cost {} s".format(out2, etime2 - stime2))

我们统计上述两个函数执行100次的时间，结果如下：

5. 总结

使用Cython和Python完成上述通过计算级数来实现pi值的逼近，使用Cython相比Python效率可以提升5倍​以上。

关注公众号《AI算法之道》，获取更多AI算法资讯.