Python 为什么'；t numba优化代码中调用的子例程？

我是numba新手，尝试使用@jit来加速Python程序，但这只会影响我的代码。当我的代码调用另一个子例程时，似乎这一个子例程在执行之前没有得到优化

当然，我可以@jit修饰所有函数，但当涉及到我只使用的函数时（没有自己开发它们），这是有限的

请参见以下基于π的莱布尼兹公式的示例

def leibniz1(n):
    operand = 1.0
    result = 0.0
    for i in xrange(1, n*2, 2):
        result += operand / i
        operand = - operand
    return result * 4

莱布尼兹1的运行时间（10000000）：约0.8秒

当我加上

from numba import jit, int32

并用@jit装饰函数

@jit
def leibniz2(n):
    operand = 1.0
    result = 0.0
    for i in xrange(1, n*2, 2):
        result += operand / i
        operand = - operand
    return result * 4

10000000次迭代的运行时间减少到约0.1秒

问题来了：

@jit
def leibniz3(n):
     return leibniz1(n)

我希望leibniz3得到优化，leibniz1也得到优化，因为它是从优化函数调用的。但事实并非如此，运行时间再次约为0.8秒，这是纯莱布尼兹值

---

是否有机会使用numba或类似工具实现我的计划，因为我无法@jit修饰我的程序所依赖的所有函数，因为它们不是我的。

首先，我建议使用Nopyton参数：

@jit(nopython=True)
def f(x):
    ....

通过这种方式，您可以强制执行类似于C/Fortran的函数编译，如果编译失败，您将得到一个显式错误。 从：

Numba有两种编译模式：nopython模式和object模式。前者生成的代码速度要快得多，但其局限性会迫使Numba退回到后者。为了防止Numba后退，而不是引发错误，请传递nopython=True

文件中还规定：

必须将@jit decorator添加到任何此类库函数中，否则Numba可能会生成慢得多的代码

基本上，您的问题与从纯C/Fortran高级语言调用函数的问题相同。 不幸的是，据我所知，除了重新实现机器代码中的其他函数外，没有其他解决方案。

首先-Numba只支持（以一种加速的方式）相当有限的Python范围，因此如果您无法访问这些函数，您可能会发现无法使其工作得太好。第二，您可以始终对您没有编写的jit函数执行

jitted\u function=numba.jit（）（some\u other\u module.function）

[-记住，装饰器只是一个函数调用！]。