我需要加快一个函数的速度。应该使用cython、ctypes还是其他方法？
我正在通过编写一种遗传编程类型的应用程序来学习Python，感觉非常有趣。
在这个网站上，我得到了Torsten Marek、Paul Hankin和Alex Martelli的很多好建议。
这个程序有四个主要功能：
- 随机生成一个表达式树。
- 评估这个树的适应度。
- 进行交叉繁殖。
- 进行变异。
因为生成、交叉繁殖和变异这三个功能都会调用“评估适应度”，所以评估适应度的功能是最繁忙的，也是速度上的主要瓶颈。
遗传算法的特点就是需要在一个巨大的解决方案空间中进行搜索，所以速度越快越好。我想加快这几个功能的速度。首先我会从适应度评估器开始。我的问题是，怎样做才能达到最佳效果。我正在研究cython、ctypes和“链接与嵌入”。这些对我来说都是新东西，目前还不太懂，但我期待着学习其中一个，最终掌握所有这些。
适应度函数需要将表达式树的值与目标表达式的值进行比较。因此，它将包含一个后缀评估器，用于按后缀顺序读取树。我所有的代码都是用Python写的。
我需要建议，现在应该学习和使用cython、ctypes还是链接与嵌入。
谢谢。
4 个回答
试着让你的适应度函数支持记忆化。这样的话，之前重复的调用就可以用快速的字典查找来替代，省去重复计算的时间。
Cython 是一种快速完成工作的工具，你可以直接用 Cython 写你的算法，或者先用 C 语言写好算法，再通过 Cython 把它和 Python 连接起来。
我的建议是：学习 Cython。
先不管其他人的回答。你首先要学会使用性能分析工具。Python自带一个叫做profile或cProfile的工具；你应该学会如何查看结果，并分析出真正的瓶颈在哪里。优化的目标有三个：减少每次调用所花的时间，减少调用的次数，以及减少内存使用，从而减少磁盘的频繁读写。
第一个目标相对简单。性能分析工具会告诉你哪些函数最耗时，你可以直接去优化这些函数。
第二个和第三个目标就难一些，因为这意味着你需要改变算法，以减少调用次数。找出那些调用次数很多的函数，想办法减少对它们的调用。利用内置的集合，它们的优化做得很好。
如果你在处理大量数字和数组，建议你看看pandas、Numpy/Scipy这些第三方模块；它们是处理数组和表格数据的高效C库。
你还可以尝试使用PyPy。PyPy可以进行即时编译，并且能做比CPython更高级的优化，而且不需要你修改Python代码。不过，针对CPython优化的代码和针对PyPy优化的代码可能会有很大不同。
接下来可以试试Cython。Cython是一种与Python略有不同的语言，实际上可以把Cython看作是带有类型的Python风格语法的C语言。
对于那些在非常紧凑的循环中，无法通过其他方式再优化的代码部分，你可能需要将其重写为C扩展。Python对用C扩展的支持非常好。在PyPy中，扩展PyPy的最佳方式是使用cffi。