cython-npm 0.2.4

安装

您可以通过以下方式轻松安装：

pip install cython-npm

它能解决什么问题？

在使用cython时，我们面临编译cython文件的问题。我们能做到 很容易通过：

importpyximport;pyximport.install()

但不建议让{STR 1 } $ PyxPix构建代码 用户端作为钩住它们的导入系统。最好的迎合方式 对于最终用户来说，就是提供预先构建的二进制包。所以这个项目 编译.pyx文件并提供预构建的二进制包，以便 使用。

快速启动：

基本用于编译文件或文件夹

fromcython_npm.cythoncompileimportexportexport('examplefile.pyx')export('./examplefolder')# then import them to useimportexamplefilefromexamplefolderimport*

您应该只执行一次此代码。

创建安装文件，如package.json

您还可以同时编译许多文件或文件夹。创建文件 在项目/包的根目录中命名install.py，并编写 代码如下：

fromcython_npm.cythoncompileimportinstallManymodules=[# put your modules list here'examplefile.pyx','./examplefolder']install(Manymodules)

在开始项目之前运行文件

python install.py

或者在项目的启动文件中添加第一行import install。 在父文件夹中使用install或export将编译所有.pyx文件 子目录。###使用require（'path'）作为nodejs还可以 通过require函数在python中导入相对或完整路径。为了 示例：

fromcython_npm.cythoncompileimportrequire# import .pyx file. Will cause error if it is not compiled by export() yet.# Default value of recompile is True, only apply for .py file. To import .pyx, change recompile=Falseexamplefile=require('../parentpackage',recompile=False)# import cython package from parent folderexamplefile.somefunction()# it also support relative import .py fileexamplefile=require('../parentpackage')examplefile.somefunction()

使用requirepyx（'path'）：requirepyx与^{tt3}类似$ 除外：*仅用于cython文件（'.pyx'）*等同于 导出（'.pyx file'）并要求（'.pyx file'）示例：

fromcython_npm.cythoncompileimportexportexport('examplefile')require('examplefile',recompile=False)# The code above is the same as:fromcython_npm.cythoncompileimportrequirepyxrequirepyx('examplefile')

使用类型检查

另一个实用程序是typecheck，它支持在输入模块（从 Python3.3）：

fromcython_npm.typecheckimporttypecheck@type_checkdefcheckstr(s:Any)->(None,str):returnNone,sx,y=checkstr('tuan')print(x,y)try:checkstr(120)exceptExceptionaserror:print(error)traceback.print_exc()# That will raise an error of TypeErrorcheckstr(200)

示例：cython vs speed test battle

这个例子比较了cython与python、swift、go和 做一个简短计算的代码差异。cython_npm用于 测试。这个测试是从“marcinkliks”派生的，原始代码和 测试在这里：Swift vs Go vs Python battle。注： 我们使用swift-and-go测试结果作为模式，不重新测试它们。去 在github的test文件夹中查看更多示例

测试条件：*python版本：python 3.6.3：：anaconda，inc.

• 关于电脑：MacBook Pro（13英寸，2016，两个Thunderbolt 3端口） 2 GHz Intel Core i5，256GB固态硬盘

试验过程及结果如下：

1. 回忆一下斯威夫特的速度：0米0.416秒，快走：0米0.592秒，皮比：0米2.633秒

2. 测试纯python代码：

   sum=0foreinrange(30):sum=0x=[]foriinrange(1000000):x.append(i)y=[]foriinrange(1000000-1):y.append(x[i]+x[i+1])i=0foriinrange(0,1000000,100):sum+=y[i]print(sum)

   速度测试结果与原始测试相同/相似

   time python test_python.py
   9999010000
   
   real    0m12.825s
   user    0m11.721s
   sys     0m1.061s
   

3. 测试cython代码：创建run.py，代码：

   fromcython_npm.cythoncompileimportexportexport('test_cython.pyx')# will do once timeimporttest_cython

   在test_cython.pyx中编码：

   cdeflongsum=0cdefinticdefinteforeinrange(30):sum=0x=[]foriinrange(1000000):x.append(i)y=[]foriinrange(1000000-1):y.append(x[i]+x[i+1])i=0foriinrange(0,1000000,100):sum+=y[i]print(sum)

   速度测试结果：time python run.py

   time python run.py
   9999010000
   
   real    0m5.803s
   user    0m4.496s
   sys     0m1.211s
   

4. 使用列表优化和缓存测试cython代码：创建类似的 快跑。在test_cythoncache.pyx中编码：

   fromfunctoolsimportlru_cache@lru_cache(maxsize=128)defdotest():cdeflongmysum=0cdefinticdefinteforeinrange(30):mysum=0x=[iforiinrange(1000000)]y=[x[i]+x[i+1]foriinrange(1000000-1)]i=0foriinrange(0,1000000,100):mysum+=y[i]print(mysum)dotest()

   速度测试结果：

   time python run.py
   9999010000
   
   real    0m3.373s
   user    0m2.360s
   sys     0m1.001s
   

5. 使用cache和c数组测试cython代码：创建类似的run.py。代码 在test_cythoncache.pyx中：

   fromfunctoolsimportlru_cache@lru_cache(maxsize=128)defdotest():cdeflongmysum=0cdefinticdefintecdefintx[1000000]cdefinty[1000000]foreinrange(30):mysum=0foriinrange(1000000):x[i]=i# y = []foriinrange(1000000-1):y[i]=(x[i]+x[i+1])i=0foriinrange(0,1000000,100):mysum+=y[i]print(mysum)dotest()

   速度测试结果：

   time python run.py
   9999010000
   
   real    0m0.085s
   user    0m0.067s
   sys     0m0.015s
   

结论

• 稍加改动，cython使纯python代码的速度提高了2倍。 但与swift and go相比，速度非常慢
• cython应用了一些最佳技术，使python的时间接近4倍 比原始代码快。这可能是可以接受的结果。侏儒 结果似乎也很吸引人。
• 使用c数组，cython使代码变得非常快。它消耗 只需0.085秒即可完成，比斯威夫特快4倍，比斯威夫特快6倍 去吧。它可能是最快的，但在现实生活中是不可用的。
• 毕竟，我希望cython和cython_npm能给你更多的帮助 编码选项