用Cython编译Python的C扩展

部分的Python代码并未用到其动态性，却为此多付出了很多时间，所以出于性能考虑就会改用C扩展来加速。

然而用C写代码明显比Python麻烦多了，接口的处理也很繁琐，所以我一直没去尝试。

昨晚看到一篇《Cython三分钟入门》，让我眼前一亮：居然可以把大部分Python代码直接编译成C扩展（当然手动改写会更快，和C代码速度几乎完全相同）。而且它是完全自由的，可以使用任何许可证：public domain、BSD、GPL或all rights reserved。

不过介绍前首先得提下，我认为Python主要慢在这些地方：

变量类型在运行期动态决定，且可任意更改对象结构。这使得查找对象及其属性被延迟到运行期，而很多情况下是不会在运行期更改的，因此造成很大浪费。

一切都是对象，连整数也不例外，所以连整数加法都会构造新的对象，自然比C慢。因此涉及数值计算等大量计算的场合，使用NumPy、SciPy等C编写的库或自己编写C扩展比较好。

函数调用需要构造参数元组，开销比C大，而且也不会内联。但如果函数本身的运算时间很长，远大于函数调用的开销，那也没太多必要优化。

循环语句用for ... in xrange(...)是Python中最快的方法，但内部是用yield实现的，这种跳转代价很大，CPU很难预测。

如果认为自己的代码就慢在这几点，那么就继续往下看吧。

先是安装Cython。由于我只有Windows，所以就只介绍这个平台。

英文的说明可以看《InstallingOnWindows》，共有2步：

一、安装MinGW。现在SF已不提供完整安装版了，只能下载在线安装版。由于Cython也支持C++，所以我也勾选了g++编译器。

装好后把MinGW目录/bin加入PATH环境变量，并保证gcc --version可以正确执行。

接着去Python目录\Lib\distutils下添加一个distutils.cfg文件，内容如下：

[build]
compiler = mingw32

实际上这最后一步也可不做，但每次编译都需要加一个-c参数来指定编译器。

二、安装Cython。

我是直接下载exe版本的，直接运行即可。Python 2.4可能还要做些额外处理，我没有这个版本，没法测试。

接着就可以来测试了，先来写个hello world。

hw.py：

def hi():
print "Hello World"

setup.py：

from distutils.core import setup
from distutils.extension import Extension
from Cython.Distutils import build_ext

setup(
cmdclass = {'build_ext': build_ext},
ext_modules = [Extension("hw", ["hw.py"])]
)

然后运行这段代码进行编译：
setup.py build_ext --inplace
这就生成了很多文件，其中hw.pyd就是生成的C扩展了。

接着测试一下：
>>> from hw import hi

>>> hi()

Hello World

然后来测试下性能：

csigma.py和pysigma.py：

def sigma(n):
a = 0
for i in xrange(n):
a += i
return a

测试脚本：

from timeit import Timer

print Timer('sigma(10000)','from csigma import sigma').timeit(10000)
print Timer('sigma(10000)','from pysigma import sigma').timeit(10000)

结果：
3.97598186362

5.50760753112
提升了40％，不算太快。

稍微改改csigma.py，加上变量类型声明：

def sigma(int n): # 这里也可以改成cpdef int sigma(int n)，速度稍慢，看来要与Python交互的函数还是不要写返回值类型比较好；而加上inline则更慢
cdef int a = 0
cdef int i
for i in xrange(n): # 也可写成for i from 0 <= i < n，实际上声明i为整数后，前者会自动转换成后者
a += i
return a

这下提升就非常明显了：
0.0740379014651

5.46775861178
此外，重命名为csigma.pyx，又变快了一点点，到了0.07以内了。

接着和C比较一下，由于性能提高了很多，所以把计算参数改成一百万来测试。

先修改cygwinccompiler.py，把gcc -mno-cygwin -O改成gcc -mno-cygwin -O3（还可以改写setup.py，在Extension里加上extra_compile_args=["-O3"]），测试结果为6694～6709毫秒。

然后是C代码：

#include <stdio.h>
#include <time.h>

int sigma(int n)
{
int a = 0;
int i = 0; // 循环变量也可以在for里声明，但必须加上-std=c99编译参数，而且会稍慢一点
for (; i < n; ++i)
{
a += i;
}
return a;
}

int main()
{
clock_t t = clock();
int i = 0;
int sum;
for (; i < 10000; ++i)
{
sum = sigma(1000000);
}
clock_t t2 = clock();
printf("%d", t2 - t);
printf("\n%d", sum);

return 0;
}

加上-O3参数，成绩为6671～6718毫秒，和Cython代码的速度几乎相同。

2011年9月4日更新：Cython 0.15已经发布，cython -a指令可以显示哪些代码可以加上静态类型：