利用ctypes提高Python的执行速度_Python

前言

ctypes是Python的外部函数库。它提供了C兼容的数据类型，并且允许调用动态链接库/共享库中的函数。它可以将这些库包装起来给Python使用。这个引入C语言的接口可以帮助我们做很多事情,比如需要调用C代码的来提高性能的一些小型问题。通过它你可以接入Windows系统上的 kernel32.dll 和 msvcrt.dll 动态链接库,以及Linux系统上的 libc.so.6 库。当然你也可以使用自己的编译好的共享库

我们先来看一个简单的例子我们使用 Python 求 1000000 以内素数，重复这个过程10次，并计算运行时间。

									import math

									from timeit import timeit

									def check_prime(x):

									  values = xrange(2, int(math.sqrt(x)) + 1)

									  for i in values:

									    if x % i == 0:

									      return False

									  return True

									def get_prime(n):

									  return [x for x in xrange(2, n) if check_prime(x)]

									print timeit(stmt='get_prime(1000000)', setup='from __main__ import get_prime',

									       number=10)

输出

1	`42.8259568214`

下面用C语言写一个的 check_prime 函数,然后把它当作共享库(动态链接库)导入

									#include <stdio.h>

									#include <math.h>

									int check_prime(int a)

									{

									  int c;

									  for ( c = 2 ; c <= sqrt(a) ; c++ ) {

									    if ( a%c == 0 )

									      return 0;

									  }

									  return 1;

									}

使用以下命令生成 .so (shared object)文件

1	`gcc` `-shared` `-o prime.so` `-fPIC prime.c`

									import ctypes

									import math

									from timeit import timeit

									check_prime_in_c = ctypes.CDLL('./prime.so').check_prime

									def check_prime_in_py(x):

									  values = xrange(2, int(math.sqrt(x)) + 1)

									  for i in values:

									    if x % i == 0:

									      return False

									  return True

									def get_prime_in_c(n):

									  return [x for x in xrange(2, n) if check_prime_in_c(x)]

									def get_prime_in_py(n):

									  return [x for x in xrange(2, n) if check_prime_in_py(x)]

									py_time = timeit(stmt='get_prime_in_py(1000000)', setup='from __main__ import get_prime_in_py',

									         number=10)

									c_time = timeit(stmt='get_prime_in_c(1000000)', setup='from __main__ import get_prime_in_c',

									        number=10)

									print "Python version: {} seconds".format(py_time)

									print "C version: {} seconds".format(c_time)

输出

1 2	`Python version: 43.4539749622 seconds` `C version: 8.56250786781 seconds`

我们可以看到很明显的性能差距这里有更多的方法去判断一个数是否是素数

再来看一个复杂点的例子快速排序

mylib.c

									#include <stdio.h>

									typedef struct _Range {

									  int start, end;

									} Range;

									Range new_Range(int s, int e) {

									  Range r;

									  r.start = s;

									  r.end = e;

									  return r;

									}

									void swap(int *x, int *y) {

									  int t = *x;

									  *x = *y;

									  *y = t;

									}

									void quick_sort(int arr[], const int len) {

									  if (len <= 0)

									    return;

									  Range r[len];

									  int p = 0;

									  r[p++] = new_Range(0, len - 1);

									  while (p) {

									    Range range = r[--p];

									    if (range.start >= range.end)

									      continue;

									    int mid = arr[range.end];

									    int left = range.start, right = range.end - 1;

									    while (left < right) {

									      while (arr[left] < mid && left < right)

									        left++;

									      while (arr[right] >= mid && left < right)

									        right--;

									      swap(&arr[left], &arr[right]);

									    }

									    if (arr[left] >= arr[range.end])

									      swap(&arr[left], &arr[range.end]);

									    else

									      left++;

									    r[p++] = new_Range(range.start, left - 1);

									    r[p++] = new_Range(left + 1, range.end);

									  }

									}

1	`gcc` `-shared` `-o mylib.so` `-fPIC mylib.c`

使用ctypes有一个麻烦点的地方是原生的C代码使用的类型可能跟Python不能明确的对应上来。比如这里什么是Python中的数组？列表？还是 array 模块中的一个数组。所以我们需要进行转换

test.py

									import ctypes

									import time

									import random

									quick_sort = ctypes.CDLL('./mylib.so').quick_sort

									nums = []

									for _ in range(100):

									  r = [random.randrange(1, 100000000) for x in xrange(100000)]

									  arr = (ctypes.c_int * len(r))(*r)

									  nums.append((arr, len(r)))

									init = time.clock()

									for i in range(100):

									  quick_sort(nums[i][0], nums[i][1])

									print "%s" % (time.clock() - init)

输出

1	`1.874907`

与Python list 的 sort 方法进行对比

									import ctypes

									import time

									import random

									quick_sort = ctypes.CDLL('./mylib.so').quick_sort

									nums = []

									for _ in range(100):

									  nums.append([random.randrange(1, 100000000) for x in xrange(100000)])

									init = time.clock()

									for i in range(100):

									  nums[i].sort()

									print "%s" % (time.clock() - init)

输出

1	`2.501257`

至于结构体，需要定义一个类，包含相应的字段和类型

									class Point(ctypes.Structure):

									  _fields_ = [('x', ctypes.c_double),

									        ('y', ctypes.c_double)]

除了导入我们自己写的C语言扩展文件，我们还可以直接导入系统提供的库文件，比如linux下c标准库的实现 glibc

									import time

									import random

									from ctypes import cdll

									libc = cdll.LoadLibrary('libc.so.6') # Linux系统

									# libc = cdll.msvcrt # Windows系统

									init = time.clock()

									randoms = [random.randrange(1, 100) for x in xrange(1000000)]

									print "Python version: %s seconds" % (time.clock() - init)

									init = time.clock()

									randoms = [(libc.rand() % 100) for x in xrange(1000000)]

									print "C version : %s seconds" % (time.clock() - init)

输出

1 2	`Python version: 0.850172 seconds` `C version : 0.27645 seconds`

总结

以上就是这篇文章的全部内容，希望对大家学习或使用Python能有一定的帮助，如果有疑问大家可以留言交流。

利用ctypes提高Python的执行速度

相关文章

热门资讯