一、前言
Python语言近年来人气爆棚。它广泛应用于数据科学，人工智能，以及网络安全问题中，由于代码可读性较强，学习效率较高，吸引了许多非科班的同学进行学习。然而，使用Python一段时间以后，发现它在速度上完全没有优势可言，特别是计算密集型任务里，性能问题一直是Python的软肋。本文主要介绍了Python的JIT编译器Numba，能够在对代码侵入最少的情况下，极大加速计算核心函数的运行速度，适合数据分析业务相关的同学使用。
首先要回答这样一个问题：当运行同一个程序时，为什么Python会 比其他语言慢2到10倍？为什么我们无法将它变得更快？
以下是最主要的原因：
- “它是GIL（Global Interpreter Lock全局解释器锁）”
- “它是解释型语言而非编译语言”
- “它是动态类型语言
由于本文的着重点并不是解释Python速度慢的原因以及背后的逻辑，这部分就不深入探讨了，欢迎有兴趣的同学自行搜索
