Python毕竟是解释型的语言，在复杂算法上的速度还是比C要差一点。另外大量的C的Library的重用也是一个很重要的话题。好在Python可以很容易的使用C编写的module来提高关键路径的性能和复用已有的C的Library。
OK，我们先来写个大整数乘法来看一下Python的性能。我对性能方面不是高手，这个例子不一定恰当。全当是个小实验。另外重点还是放在如何使用C编写的模块上。为了突出重点，就假设我们有C的Library的source code，或者C的module就是为了Python程序开发的。好，开始。先写个Python的实现。
#! /usr/bin/python
#main.py
import time
import timeP
import timeC
t1 = time.time()
timeP.time()
t2 = time.time()
timeC.time()
t3 = time.time()
print "Python module time: %f seconds" % (t2 - t1)
print "C module time: %f seconds" % (t3 - t2)
timeP是用Python写的Module，而timeC就是用C写的了。计算的内容都是一样的。
#! /usr/bin/python
#timeP.py
def time():
for i in range(0,100000):
x = 123498
y = 98082432
z = x * y
在看C的module之前。我们要先学习几个基础知识。首先，每一个module都要告诉Python Interpreter到底这个模块有几个函数。这个是由"init[u]MODULE_NAME[/u]"函数来实现的，其实就是把一个List作为参数传给Python/C API里的一个特殊函数做到的。
另外为了交换数据，c的module里的函数要以PyObject*作为返回类型，即使是不需要返回值的，也要返回Py_None，就是Python里的None啦。:)俺就是一开始没有注意，结果一直segmentation fault。 :(
最后，一定要include Python.h（废话）
#include <Python.h>;
#include "time_test.h"
///timeC.c
/// the wrapper for time_test.c
static PyObject* timeC_time()
{
time_test();
return Py_None;
}
static PyMethodDef timeCMethods[] = {
{"time", timeC_time, METH_VARARGS,
"Execute a shell command."},
{NULL, NULL, 0, NULL} /* Sentinel, end of list of functions*/
};
PyMODINIT_FUNC inittimeC()
{
Py_InitModule("timeC", timeCMethods);
}
这个module其实是一个C的Library（库的例子，没有这么mini的库啦，呵呵）的wrapper。我顺便把C的Library的code也贴在这里：
#ifndef _TIME_TEST_H
#define _TIME_TEST_H
extern void time_test();
#endif
#include "time_test.h"
///time_test.c
void time_test()
{
int x = 123498;
int y = 98082432;
int z = 0;
int i;
for (i = 0 ; i < 100 ; i++)
{
z = x * y;
}
}
int main()
{
time_test();
return 0;
}
接下来该编译了（需要编译的语言好麻烦，:p）。Python提供了编译C的module的简单方法。就是写一个setup脚本：
#! /usr/bin/python
from distutils.core import setup, Extension
module1 = Extension('timeC', sources = ['timeC.c', 'time_test.c'])
setup (name = 'PackageName', version = '1.0', description = 'This is a demo package', ext_modules = [module1])
只要执行一下./setup.py build，就可以编译了。
编译好了之后，把生成的.so文件copy到当前目录。Run一下main.py看看结果。我的机器是P4 1.8, RHEL4WS。结果如下：
Python module time: 4.386378 seconds
C module time: 0.000432 seconds
pupilzeng 回复于：2005-06-15 16:37:05
想看看，使用python封装C++类的例子
sakulagi 回复于：2005-06-16 15:47:23
我回头学习一下，看能不能再发个封装C++的。
xichen 回复于：2005-06-16 22:21:10
这个文档写得不是十分详细,建议将每段代码的文件名,具体的细节描述得更详细一些.其实作为技术文档,不仅需要熟悉python的人理解,更需要让初学python的人也能很好的理解并使用它.
谢谢你的知识共享!
sakulagi 回复于：2005-06-17 07:57:00
呵呵，你说的有道理。看来我写入门文章的能力还有待加强。主要是觉得很多知识在各个语言里都是相通的，所以写的时候可能更多的是假设读者已经对C/C++/Java有一定的了解。然后先有个感性认识，能把这些代码当作cheat sheet 用，是最大的目的，要是深究，我的Python知识实在是太有限了。:)刚学了没有多久，而且是业余自己看着玩的，要是有个项目，时间多些，估计能深入一些。:)
rockins 回复于：2005-06-28 20:39:12
个人觉得楼主是说清楚了的
abbish 回复于：2006-06-22 10:43:10
可以把Python作为一个调用触发工具，底层实现和逻辑封装使用高效的C来完成，这样效率就高了~ 也可以有效地保护底层代码
guotie 回复于：2006-06-22 16:46:12
能讲下ctypes么
socrates-ls 回复于：2006-06-24 08:11:03
Python的代码为：
def time():
for i in range(0,100000):
x = 123498
y = 98082432
z = x * y
而C的代码为：
for (i = 0 ; i < 100 ; i++)
{
z = x * y;
}
所以，速度对比
Python module time: 4.386378 seconds
C module time: 0.000432 seconds
修正为：
C module time: 0.432 seconds
似乎更可信。 －> 10倍的差距。
socrates-ls 回复于：2006-06-24 09:14:15
sorry, 我刚才的说法不确切。
我测试了一下。结果与楼主的相当。
但是，当我修改time_test.c中的循环次数为：10000， 10000000 时，结果C运行时间仍然没什么变化。所以，我怀疑：C中的z=x*y 被优化掉了。
我修改time_test.c如下：
void time_test()
{
long x = 123498;
long y = 98082432;
long z = 0;
int i;
for (i = 0 ; i < 5000 ; i++)
{
z = x * y;
printf("C:%ld\n", z)
}
}
修改timeP.py如下：
def time():
for i in range(0,5000):
x = 123498
y = 98082432
z = x * y
print 'P:', z
结果如下：
Python module time: 7.779405 seconds
C module time: 4.681235 seconds
又运行一次，结果：
Python module time: 2.736273 seconds
C module time: 0.262230 seconds
波动比较大。
timeP.py的输出为：5000行以下行：
P: 12112984187136
而 timeC的输出为：5000行以下行：
C: 1176412416
虽然使用了long ，但，C似乎还是溢出了。
Orpherus 回复于：2006-06-25 09:16:48
C的函数里这个肯定被优化掉了
|
