编辑“︁Python Cython”︁（章节）

= Python Cython =

'''Cython''' 是一种编程语言，它通过将 Python 代码编译为 C 或 C++ 代码来显著提高 Python 程序的运行速度。它允许开发者在 Python 中编写高性能的扩展模块，同时保持 Python 的易用性。Cython 特别适用于计算密集型任务，如科学计算、数值分析和机器学习。

== 介绍 ==
Cython 是 Python 的一个超集，意味着任何有效的 Python 代码也是有效的 Cython 代码。然而，Cython 还允许开发者添加静态类型声明，从而进一步优化性能。Cython 编译器将这些代码转换为高效的 C 或 C++ 代码，然后编译为机器码，使得 Python 程序能够以接近原生 C 的速度运行。

Cython 的主要优势包括：
* '''性能提升'''：通过静态类型和直接调用 C 库，显著提高执行速度。
* '''与 C/C++ 的无缝集成'''：可以直接调用 C 或 C++ 代码，并与之交互。
* '''Python 兼容性'''：完全兼容 Python 语法和标准库。

== 安装 Cython ==
在使用 Cython 之前，需要先安装它。可以通过 pip 安装：

<syntaxhighlight lang="bash">
pip install cython
</syntaxhighlight>

== 基本用法 ==
下面是一个简单的 Cython 示例，展示如何将 Python 代码转换为 Cython 并编译它。

=== 示例：计算斐波那契数列 ===
首先，创建一个 Python 文件（例如 <code>fib.py</code>）：
<syntaxhighlight lang="python">
def fib(n):
    a, b = 0, 1
    for _ in range(n):
        a, b = b, a + b
    return a
</syntaxhighlight>

然后，将其转换为 Cython 文件（<code>fib.pyx</code>），并添加类型声明以优化性能：
<syntaxhighlight lang="python">
def fib(int n):
    cdef int a = 0, b = 1, i
    for i in range(n):
        a, b = b, a + b
    return a
</syntaxhighlight>

接下来，创建一个 <code>setup.py</code> 文件来编译 Cython 代码：
<syntaxhighlight lang="python">
from setuptools import setup
from Cython.Build import cythonize

setup(
    ext_modules=cythonize("fib.pyx")
)
</syntaxhighlight>

运行以下命令编译代码：
<syntaxhighlight lang="bash">
python setup.py build_ext --inplace
</syntaxhighlight>

编译完成后，会生成一个共享库（如 <code>fib.cpython-xxx.so</code>），可以在 Python 中直接导入并使用：
<syntaxhighlight lang="python">
import fib
print(fib.fib(10))  # 输出：55
</syntaxhighlight>

=== 性能对比 ===
为了展示 Cython 的性能优势，我们可以对比纯 Python 和 Cython 版本的斐波那契计算：

<syntaxhighlight lang="python">
import timeit

# 纯 Python 版本
def fib_py(n):
    a, b = 0, 1
    for _ in range(n):
        a, b = b, a + b
    return a

# 测试性能
n = 100000
t_py = timeit.timeit(lambda: fib_py(n), number=1000)
t_cy = timeit.timeit(lambda: fib.fib(n), number=1000)

print(f"纯 Python 耗时: {t_py:.4f} 秒")
print(f"Cython 耗时: {t_cy:.4f} 秒")
</syntaxhighlight>

输出可能类似于：
<pre>
纯 Python 耗时: 1.2345 秒
Cython 耗时: 0.0456 秒
</pre>

可以看到，Cython 版本比纯 Python 版本快得多。

== 静态类型声明 ==
Cython 允许使用 <code>cdef</code> 关键字声明静态类型变量，从而进一步优化性能。例如：

<syntaxhighlight lang="python">
def calculate_sum(int n):
    cdef int i, total = 0
    for i in range(n):
        total += i
    return total
</syntaxhighlight>

=== 类型声明的作用 ===
* '''<code>cdef</code>'''：声明 C 类型的变量（如 <code>int</code>、<code>double</code>）。
* '''<code>cpdef</code>'''：声明既可以从 Python 调用又可以从 C 调用的函数。
* '''<code>def</code>'''：声明普通的 Python 函数。

== 调用 C 代码 ==
Cython 可以直接调用 C 函数和库。例如，假设有一个 C 函数 <code>add</code> 定义在 <code>math_utils.h</code> 中：

<syntaxhighlight lang="c">
// math_utils.h
int add(int a, int b);
</syntaxhighlight>

<syntaxhighlight lang="c">
// math_utils.c
int add(int a, int b) {
    return a + b;
}
</syntaxhighlight>

可以在 Cython 中调用它：
<syntaxhighlight lang="python">
cdef extern from "math_utils.h":
    int add(int a, int b)

def py_add(int a, int b):
    return add(a, b)
</syntaxhighlight>

== 实际应用案例 ==
Cython 在科学计算和数据分析中广泛应用。例如，Pandas 和 NumPy 的部分高性能计算模块就是用 Cython 编写的。

=== 案例：加速 NumPy 计算 ===
假设我们需要计算一个大数组的平方和，可以使用 Cython 优化：

<syntaxhighlight lang="python">
import numpy as np

# Python 版本
def sum_of_squares_py(arr):
    total = 0.0
    for x in arr:
        total += x * x
    return total

# Cython 版本（sum_cy.pyx）
import numpy as np
cimport numpy as np

def sum_of_squares_cy(np.ndarray[np.float64_t, ndim=1] arr):
    cdef double total = 0.0
    cdef int i
    for i in range(arr.shape[0]):
        total += arr[i] * arr[i]
    return total
</syntaxhighlight>

编译后，Cython 版本会比纯 Python 版本快很多，尤其是处理大型数组时。

== 总结 ==
Cython 是一个强大的工具，可以显著提升 Python 代码的性能，同时保持 Python 的易用性。通过静态类型声明和直接调用 C 代码，Cython 特别适合计算密集型任务。对于初学者来说，可以从纯 Python 代码开始，逐步添加 Cython 优化；而对于高级用户，Cython 提供了更底层的控制能力，以实现最佳性能。

== 参见 ==
* [[Python/C API]] - 直接使用 Python C API 进行扩展开发。
* [[NumPy]] - 高性能数值计算库，部分用 Cython 优化。
* [[Pandas]] - 数据分析库，部分高性能模块使用 Cython。

{{Python高级主题}}

[[Category:编程语言]]
[[Category:Python]]
[[Category:Python 高级主题]]