Python加速循环的若干个办法

Python加速循环的若干个办法：

（1）使用Python封装的函数，而不是自编函数；

（2）使用Numpy函数，因为Numpy底层代码语言是C++；（np.where）

上面两个效果仍不好，尝试下面方法中的一种或多种：

（3）将需要处理的图像分为若干个部分，使用multiprocessing多进程并行化，充分利用CPU；

（4）采用numba(@njit)加速循环部分（但是与multiprocessing似乎不兼容）；

（5）采用Cython，修改少量代码，对循环部分自动转为C++语言运行（但效果与代码中使用的函数Cython是否支持、是否满足Cython的代码标准有关）；

（6）采用Pybind11，对循环部分使用C++手动重新编写，代码量大，学习成本较高，但是效果可观。

pybind11—python numpy与C++数据传递 - 简书 (jianshu)

pybind11库（用于在python中调用C++）的安装与配置使用（windows/linux系统）_BabyQ..的博客-CSDN博客_pybind11安装

pybind11 数据交互_bea_tree的博客-CSDN博客_pybind11 vector

在（6）中使用到的一些方法：

①NumCpp是C++中NumPy的替代，大部分NumPy方法都能支持，如bincount()、argmax()、sort()等。

②类python的enumerate函数的C++实现：C++ range/enumerate/zip 实现(pythonic) - 知乎 代码中采用了最快的for(auto && val:v){}的方法，方便易理解。

③list、二维vector的创建、初始化、赋值等。代码中使用了C++11的一些特性，为了开发者得到更趋于Python的易用性的感受，属于高级编程。

④CMake编译工具，CMake教程（一） - 知乎 。