相比 Python 代码，Cython 实际提升的性能有多大？

Ref: http://notes-on-cython.readthedocs.io/en/latest/std_dev.html

Example:

def pyStdDev(a):
mean = sum(a) / len(a)
return math.sqrt((sum(((x - mean)**2 for x in a)) / len(a)))


In summary:

================= ============ ================== =====================
Method Time (ms) Compared to Python Compared to Numpy
================= ============ ================== =====================
Pure Python 183 x1 x0.03
Numpy 5.97 x31 x1
Naive Cython 7.76 x24 x0.8
Optimised Cython 2.18 x84 x2.7
Cython calling C 2.22 x82 x2.7
================= ============ ================== =====================

Cython的实际性能提升取决于具体场景。对于纯Python代码，Cython通过静态类型声明和编译成C代码，通常能带来2-5倍的加速。如果是计算密集型任务（比如数值计算、循环操作），通过添加cdef类型声明，性能可以提升10-50倍甚至更高。

举个例子，计算斐波那契数列的纯Python代码：

def fib_py(n):
    if n <= 1:
        return n
    a, b = 0, 1
    for _ in range(n - 1):
        a, b = b, a + b
    return b

用Cython优化后：

cpdef int fib_cy(int n):
    if n <= 1:
        return n
    cdef int a = 0, b = 1, i
    for i in range(n - 1):
        a, b = b, a + b
    return b

在我的测试中（n=1000000），Cython版本比纯Python快约15倍。但如果是I/O密集型任务，提升就很小了。关键是要合理使用cdef声明变量类型，避免不必要的Python对象操作。

总结：计算越密集，Cython提升越大。