利用 Python 进行数据分析：原书第 3 版

468

|

附录

A

为了得到各数据点所属区间的编号（其中

1

表示分箱 [0,100)），我们可以直接使用

searchsorted：

再结合

pandas

的 groupby 方法，就可以轻松地对原数据集进行分箱：

A.7

使用

Numba

编写快速

NumPy

函数

Numba

（

http://numba.pydata.org

）是一个开源项目，它可以利用

CPU

、

GPU

或其他硬件

为

NumPy

类型数据创建快速函数。它使用了

LLVM

项目（

http://llvm.org/

）， 将

Python

代码编译为机器代码。

为了介绍

Numba

，先考虑一个纯

Python

函数，它使用 for 循环计算表达式 (x

-

y).

mean()：

这个函数很慢：

高阶

NumPy

|

469

NumPy

的版本要比它快

100

倍。使用 numba.jit 函数，我们可以将这个函数编译为

Numba

函数：

也可以写成装饰器的形式：

这个函数要比向量化的

NumPy

更快：

Numba

不能编译所有的纯

Python

代码，但它支持

Python

中的一类重要代码，即最有用

的数值算法。

Numba

是一个功能强大的库，支持多种硬件、编译模式和用户扩展。它还可以编译

NumPy Python API

的一个实质性子集，而不使用 for 循环。

Numba

也可以识别可以

编译为机器编码的结构体 ...