Ctypes模块实现python加速运行

一、我们以Fibonacci数列的例子来看看，python的运行时间

def fibonacci(n):
    if n <= 2:
        return 1
    else:
        return fibonacci(n - 1) + fibonacci(n - 2)


begin = time.time()
print(fibonacci(40))
over = time.time()
print(over - begin)

Linux环境运行的时间为16.93秒：（window下会更长）
在这里插入图片描述
二、我们来介绍ctypes模块
Python内建ctypes库使用了各个平台动态加载动态链接库的方法，并在Python源生代码基础上通过类型映射方式将Python与二进制动态链接库相关联，实现Python与C语言的混合编程，可以很方便地调用C语言动态链接库中的函数。（ctypes源码路径：/Modules/_ctypes/_ctypes.c、/Modules/_ctypes/callproc.c）

将C编写的递归函数存为fibonacci.c，不需要对C函数经过Python接口封装

#include <stdio.h>
#include <stdlib.h>

int fibonacci(int n)
{
    if(n<=2)return 1;
    return fibonacci(n-1)+fibonacci(n-2);
}

在linux环境下fibonacci.c编译成动态链接库fibonacci.so：
编译命令为：
gcc fibonacci.c -fPIC -shared -o fibonacci.so
Python文件中调用动态链接库a.so，在Windows平台下，最终调用的是Windows API中LoadLibrary函数和GetProcAddress函数，在Linux和Mac OS X平台下，最终调用的是Posix标准中的dlopen和dlsym函数。ctypes库内部完成PyObject* 和C types之间的类型映射，使用时只需设置调用参数和返回值的转换类型即可。
利用fibonacci.so来求fibonacci数列后的python代码

import time
from ctypes import cdll

libb = cdll.LoadLibrary('./fibonacci.so')


def fibonacci_c(n):
    return libb.fibonacci(n)


begin = time.time()
print(fibonacci_c(40))
over = time.time()
print(over-begin)

运行结果如下，利用动态链接库的形式计算第40个Fibonacci数列的值，只用了0.47秒：
在这里插入图片描述
对比两次的运行结果：
直接用python代码来编写和利用动态链接库的形式，时间提高了差不多提高了35倍
三、当然除了利用ctypes模块结合动态库的形式提速，还可以利用Python中扩展C语言加快执行速度的实现python的加速

Ctypes模块实现python加速运行

猜你喜欢