我们先看一个原始代码：import time
def foo(x, y):
tt = time.time()
s = 0
for i in range(x, y):
s *= i
print('time:{}'.format(time.time() - tt))
return s
print(foo(1,100000000))看一下运算时
转载
2024-02-09 22:13:35
61阅读
今天主要研究了一下python的import。
首先要明确两个概念，模块和包
模块一般指一个python文件，类似于.c文件。其中包含了很多def的函数和一些变量。包一般指一个目录，下面有一些模块。
我做了一些实验，
如果没有包的情况下，假如我有一个模块在./pythonmod/文件夹下。那么在.文件夹下的一个py文件中执行
from
转载
2024-02-25 13:34:41
28阅读
pycharm右键新建时会有目录(文件夹)和python package两个选项，这两个到底有什么不同呢1.原来在python模块的每一个包中，都有一个__init__.py文件（这个文件定义了包的属性和方法）然后是一些模块文件和子目录，假如子目录中也有__init__.py那么它就是这个包的子包了。当你将一个包作为模块导入(比如从 xml导入 dom)的时候，实际上导入了它的__init__.p
转载
2024-08-20 09:07:54
133阅读
一、包和模块1.包包【package】是一种管理 Python 模块命名空间的形式，采用"点模块名称"就好像使用模块的时候，你不用担心不同模块之间的全局变量相互影响一样，采用点模块名称这种形式也不用担心不同库之间的模块重名的情况package本质是一个文件夹【目录】，但是特殊之处在于：该文件夹下有一个文件__init__.py,代表初始化，但是前期空的，后期在项目开发中，会在其中书写一些项目的配置
转载
2023-08-10 22:26:31
256阅读
打开python终端，输入：import site
site.getsitepackages()输出如下：
转载
2023-06-29 11:38:42
113阅读
心路历程：真的想死啊，搞了我三天，就想在linux上架个django的服务器，然后安装个pycharm就出了一个占用我三天时间的BUG。最后终于在stackoverflow上看到国外的大神了。最后的解决方法真的是想死，简单的不能再简单，但是就是没注意到。系统：ubuntu16 工具：pycharm 报错描述：在安装完pycharm之后设置项目python版本时，报错：python packag
转载
2023-09-05 14:19:25
117阅读
1. NumExpr是什么？NumExpr是一个用于numpy类型快速数值表达式计算的第三方Python加速库。有了它， 在数组上操作的表达式（如3xa+4xb）相比在python中执行速度更快，所需内存空间占用更少。 值得一提的是，NumExpr集成了intel的vml（向量数学计算库 vectore math library）技术， 这使得数值型表达式的计算速度得到了进一步提升。2. Nume
转载
2023-08-07 21:12:33
215阅读
# 如何将Python包转换为Conda包
在数据科学和机器学习领域，Python的使用愈发普及，开发者们逐渐需要将自己的Python包打包成Conda包，以便在Anaconda环境中更方便地分发和安装。本文将介绍如何将一个简单的Python包转换为Conda包，并解决一个实际问题。
## 实际问题
假设我们有一个名为`mypackage`的Python包，里面包含了一些数据处理和分析的功能
原创
2024-10-18 09:29:28
84阅读
python3.6.1环境配置出现Requirement already up-to-date: pip in c:\python36\lib\site-packages决解方案
前提：windows下同时安装python2和python3，应将python2和python3直接安装在 C盘下面，分别为python27和python36文件夹下。（避免Program Files的空格出
转载
2024-05-20 16:11:34
16阅读
Python Package中的 __init__.pyPackage 中 init 的历史Package 中 init 的作用区分模块绑定到当前的命名空间 Package 中 init 的历史在一些 Python 相关的项目时，常常会看到 __init__.py文件，
当你使用某些编辑器创建 Python Package 的时候，它也会自动给你生成一个 __init__.py 文件。
这玩意到
转载
2023-10-09 21:56:53
51阅读
简介：numba是Anaconda公司开发的针对Python的开源JIT编译器，用于提供Python版CPU和GPU编程，速度比原生Python快数十倍。numba是第三方库，可以在运行时将Python代码编译为本地机器指令，而不会强制大幅度的改变普通的Python代码，使得在部分场景下执行Python的效率得到飞速的提升。工作原理对比：Python文件执行过程1、.py文件通过解释器转化为虚拟机
转载
2023-08-14 11:23:53
341阅读
高效执行python代码：使用numba包对Python程序加速前言1. Numba简介2. Numba的简单使用 前言python由于它动态解释性语言的特性，编写出来的代码实际上需要靠CPython编译成C语言之后才能运行。相比于java、c++要慢很多，尤其在做科学计算的时候，十亿百亿级别的运算，让python的这种劣势更加凸显。而numba就是解决python慢的一大利器，可以让pytho
转载
2023-11-21 22:47:49
178阅读
pip 提速方法主要有两种，一种是临时提速，一种是永久提速。1. 临时提速：在 pip install 包名 后面加上 -i + 镜像地址，这样 pip 安装时即可成倍的提速了。 国内主要镜像地址如下：清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 ht
转载
2023-06-25 23:10:42
131阅读
# Python包管理器和包之间的联系
在Python开发中，我们经常使用各种包来扩展和改进我们的代码。这些包通常由其他开发者创建并发布在Python包管理器中，如pip。然而，有时我们可能会遇到一个错误消息：“Package python is not available, but is referred to by another package.” 这个错误消息告诉我们，尽管我们想安装某个
原创
2023-07-19 15:03:08
6710阅读
作者 | Adam GeitgeyPython绝对是处理数据或者把重复任务自动化的绝佳编程语言。要抓取网页日志?或者要调整一百万张图片？总有对应的Python库让你轻松完成任务。然而，Python的运营速度一直饱受诟病。默认状态下，Python程序使用单个CPU的单个进程。如果你的电脑是最近十年生产的，多数情况下会有4个及以上CPU核。也就是说，当你在等程序运行结束的时候，你的计算机有7
转载
2023-08-05 20:01:36
124阅读
Python有时用起来确实很慢，我敢打赌你肯定抱怨过这一点，尤其是那些用惯了C，C ++或Java的人。但其实很多时候，Python的效率并没有达到它应有的速度，有一些让它马达开足的小技巧，一起来学习吧！1.避免使用全局变量import mathsize = 10000for x in range(size):for y in range(size):z = math.sqrt(x) + math
转载
2024-06-13 18:37:08
18阅读
Python用的好，猪也能飞起来。
今天，带大家学习如何让Python飞起来的方法，干货满满哦！
python一直被病垢运行速度太慢，但是实际上python的执行效率并不慢，慢的是python用的解释器Cpython运行效率太差。“一行代码让python的运行速度提高100倍”这绝不是哗众取宠的论调。我们来看一下这个最简单的例子，从1一直累加到1亿。最原始的代码
转载
2023-07-11 11:49:16
157阅读
2.为什么选择Numba？所以，为什么要选择Numba？特别是当存在有许多其他编译器，例如cython或任何其他类似的编译器，或类似pypy的东西时。选择Numba的理由很简单，那就是因为你不需要离开使用Python编写代码的舒适区。是的，你没看错，你不需要为了加速数据的运行速度而改变你的代码，这与从具有类型定义的相似cython代码获得的加速相当。那不是更好么？你只需要在函数周围添加一个熟悉的P
转载
2023-11-28 23:12:15
29阅读
文章作者：梦家 文章目录代码加速技巧NumbaPython 多线程Modin 库联系作者 代码加速技巧Python相比于C++来说有着十分用户友好的编程方式与众多的机器学习和深度学习库，入门快、学习轻松，但其性能劣势一直为人诟病。因此，很多工程师致力于提高python代码性能。本文记录下目前我所知道的Python代码加速方法！NumbaNumba 是一个开源的 JIT 编译器可以纯Python和
转载
2023-08-10 13:00:33
132阅读
我们在日常使用Python进行各种数据计算处理任务时，若想要获得明显的计算加速效果，最简单明了的方式就是想办法将默认运行在单个进程上的任务，扩展到使用多进程或多线程的方式执行。而对于我们这些从事数据分析工作的人员而言，以最简单的方式实现等价的加速运算的效果尤为重要，从而避免将时间过多花费在编写程序上。而今天我就来带大家学习如何利用joblib这个非常简单易用的库中的相关功能，来快速实现并行计算加速
转载
2024-03-13 16:06:36
62阅读
