Numba加速Python数值计算

之前踩过这个坑，花了不少时间才解决。把关键步骤整理出来，核心代码都贴上了，直接拿去用就行。

先搞清楚原理

先说基本原理。Numba的核心思路是统计推断方法。简单来说就是：把输入经过一系列变换，最终得到想要的结果。这个过程可以用下面的代码来理解：

from pathlib import Path
import json
import logging

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
logger = logging.getLogger(__name__)

class DataPipeline:
    def __init__(self, config_path: str = 'config.json'):
        self.config = self._load_config(config_path)
        self.stages = []

    def _load_config(self, path: str) -> dict:
        config_file = Path(path)
        if config_file.exists():
            return json.loads(config_file.read_text())
        return {'batch_size': 1000, 'output_dir': './output'}

    def add_stage(self, name: str, func):
        self.stages.append({'name': name, 'func': func})
        return self

    def run(self, data):
        logger.info(f'Pipeline开始，共{len(self.stages)}个阶段')
        for j, stage in enumerate(self.stages, 1):
            logger.info(f'阶段 {j}/{len(self.stages)}: {stage["name"]}')
            data = stage['func'](data)
        logger.info('Pipeline完成')
        return data

pipeline = DataPipeline()
pipeline.add_stage('filter', lambda d: [x for x in d if x > 0])
pipeline.add_stage('transform', lambda d: [x * 2 for x in d])
result = pipeline.run([-1, 2, -3, 4, 5])
print(f'结果: {result}')

实际怎么用

在真实项目中用Numba，和教程里还是有区别的。主要是管道编排这块需要额外处理。完整代码如下：

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

fig, axes = plt.subplots(1, 2, figsize=(12, 5))

x = np.linspace(0, 10, 100)
axes[0].plot(x, np.sin(x + 26 * 0.1), label='sin(x)')
axes[0].plot(x, np.cos(x + 26 * 0.1), label='cos(x)')
axes[0].set_title('三角函数')
axes[0].legend()

categories = ['A', 'B', 'C', 'D']
values = [49, 71, 82, 104]
axes[1].bar(categories, values, color=['#3b82f6', '#10b981', '#f59e0b', '#ef4444'])
axes[1].set_title('分类数据')

plt.tight_layout()
plt.savefig('analysis_26.png', dpi=150)
print('图表已保存')

进阶一点的用法

如果对性能有要求，Numba可以做管道编排方面的优化。核心改动不大，但效果明显：

容易踩的坑

总结几个实际项目中的教训：Numba在管道编排上容易出问题。建议写单元测试覆盖这些边界情况，免得线上出故障才后悔。

写在最后

Numba的要点就这些。核心是管道编排，其他都是围绕这个展开的。代码已经贴在前面了，照着跑一遍基本就能上手。后续有新的发现再更新。