Python中如何使用Numba进行性能优化？

用Numba优化Python性能主要就两步：加装饰器、选对模式。

核心用法：

from numba import jit
import numpy as np

# 基础用法 - 让Numba自动推断类型
@jit(nopython=True)
def sum_array(arr):
    total = 0.0
    for i in range(arr.shape[0]):
        total += arr[i]
    return total

# 指定类型签名加速首次编译
@jit('float64(float64[:])', nopython=True)
def sum_array_fast(arr):
    return np.sum(arr)

# 并行化（需要安装TBB）
@jit(nopython=True, parallel=True)
def parallel_sum(arr):
    return np.sum(arr)

# 使用
arr = np.random.rand(1000000)
print(sum_array(arr))

关键点：

1. nopython=True 强制使用加速模式，否则可能回退到慢速的Python模式
2. 首次运行会有编译开销，后续调用就快了
3. 对数值计算、循环密集的代码效果最明显
4. 支持NumPy数组和基本类型，对Python对象支持有限

简单建议：数值计算用Numba，其他场景先考虑算法优化。