- 综合排序
- 最热优先
- 最新优先
- 来自专栏杨建荣的学习笔记
还能这样？把 Python 自动翻译成 C++
安装 一条命令安装： pip3 install pythran (2). / -o pythran_demo . /pythran_demo 四、pythran 的功能与特性 (1). 介绍 按官方定义，Pythran 是一个 AOT (Ahead-Of-Time - 预先编译) 编译器。 pythran 的 manual 挺详细： https://pythran.readthedocs.io/en/latest/MANUAL.html (2). 五、pythran 的基本原理 和常见的编译器/解释器类似， pythran 的架构是分成 3 层： python 代码解析成抽象语法树 AST 。
1.2K40发布于 2019-12-24 - 来自专栏腾讯技术工程官方号的专栏
还能这样？把 Python 自动翻译成 C++
安装 一条命令安装： pip3 install pythran (2). / -o pythran_demo . /pythran_demo 四、pythran 的功能与特性 (1). 介绍 按官方定义，Pythran 是一个 AOT (Ahead-Of-Time - 预先编译) 编译器。 pythran 的 manual 挺详细： https://pythran.readthedocs.io/en/latest/MANUAL.html (2). 五、pythran 的基本原理 和常见的编译器/解释器类似， pythran 的架构是分成 3 层： python 代码解析成抽象语法树 AST 。
1.6K10发布于 2019-12-06 - 来自专栏TalkPython
Python技术周刊：第 21 期
4、pythran[11] Pythran是Python语言子集的提前编译器，专注于科学计算。 SeleniumBase [9] flupy: https://github.com/olirice/flupy [10] rele: https://github.com/mercadona/rele [11] pythran : https://github.com/serge-sans-paille/pythran [12] pytest-quarantine: https://github.com/EnergySage/
1K30发布于 2019-11-21 - 来自专栏鸿的学习笔记
聊聊python的一些常见工具
让我们在看看几个python的解释器. 1.Cython 2.Shed Skin 3.Numba 4.Pythran 5.PyPy 其中Cython，Shed Skin，Pythran
51630发布于 2018-08-06 - 来自专栏数据科学与人工智能
pandas0.24本月将放弃对Python2的支持
像Spyder和Pythran这样的ide也在这个列表中。 Python 2支持到2020年结束 核心Python开发人员将不迟于2020年停止支持Python 2。
68430发布于 2019-03-08 - 来自专栏ATYUN订阅号
如何用Python在笔记本电脑上分析100GB数据（下）
对于用numpy编写的复杂表达式，vaex可以在Numba、Pythran甚至CUDA(如果你有NVIDIA GPU的话)的帮助下使用即时编译来极大地提高你的计算速度。 除此之外，通过使用Pythran（或通过C++加速）（通过使用C语言）加速，可以支持实时编译，提供更好的性能。
1.6K10发布于 2019-12-17 - 来自专栏ShowMeAI研究中心
Pandas太慢？快使用Vaex DataFrame，每秒数亿数据算起来 ⛵
Vaex 还支持通过 Numba和 Pythran 进行即时编译，这也可以显著提高性能。 async.html Vaex的先进的细粒度的缓存机制：https://vaex.io/docs/guides/caching.html Numba：https://numba.pydata.org/ Pythran ：https://pythran.readthedocs.io/en/latest/推荐阅读 数据分析实战系列 ：https://www.showmeai.tech/tutorials/40 机器学习数据分析实战系列
2.6K72编辑于 2022-12-03 - 来自专栏气象学家
Array programming with NumPy
综述讨论部分中提到了几点内容，先是指出由于NumPy的简单内存模型，使得它能很容易适配Cython、Numba和Pythran等语言，这些语言能极大地突破Python原有的瓶颈。
96210发布于 2020-11-06 - 来自专栏量化投资与机器学习
使用Python『秒开』100GB+数据！
对于用Numpy编写的复杂表达式，vaex可以在Numba、Pythran甚至CUDA（如果你有NVIDIA GPU的话）的帮助下使用即时编译来极大地提高你的计算速度。 除此之外，Vaex通过Numba（使用LLVM）或Pythran（通过C++加速）支持即时编译，从而提供更好的性能。
1.7K01发布于 2019-12-17 - 来自专栏C++ 动态新闻推送
C++ 中文周刊 第143期
1721643480974217216 省流 arm O3 优化bug Trivial Auto Var Init Experiments https://serge-sans-paille.github.io/pythran-stories
17210编辑于 2024-07-30 - 来自专栏AI研习社
如何使用 Python 分析笔记本电脑上的 100 GB 数据
对于用 numpy 编写的复杂表达式，vaex 可以在 Numba、Pythran 甚至 CUDA（如果你有 NVIDIA GPU）的帮助下使用即时编译来大大加快计算速度 弧长计算公式涉及面广，包含了大量的三角函数和算法 除此之外，VAEX 支持通过 NUBBA（使用 LLVM）或 Pythran（通过 C++加速）及时编译，从而提供更好的性能。
1.6K22发布于 2019-12-12 - 来自专栏量化投资与机器学习
仅需1秒！搞定100万行数据：超强Python数据分析利器
}) 7 即时编译 只要虚拟列只使用Numpy或纯Python操作定义，Vaex就可以通过jitting加速它的计算，或者通过Numba或Pythran
2.9K1817发布于 2020-06-09 - 来自专栏HyperAI超神经
TVM 从入门到精通 | 安装 TVM (Part 1)
运行以下命令行，安装 scipy 和 xgboost 以及所需的依赖和配置： brew install openblas gfortran pip install pybind11 cython pythran
5K30编辑于 2023-02-27 - 来自专栏Python无止境
Python猫荐书系列之五：Python高性能编程
Pythran —— 一个用于Numpy和非numpy代码的新编译器。 PyPy —— 一个用于非Numpy代码的，取代常规Python可执行程序的稳定的即时编译器。
99830发布于 2019-04-09 - 来自专栏气象学家
牛！NumPy团队发了篇Nature
在需要极度优化的地方，可以使用编译语言，如Cython、Numba和Pythran；这些语言扩展了Python并透明地加速了瓶颈。
2.3K21发布于 2020-09-22 - 来自专栏数据科学和人工智能
重磅！你每天使用的NumPy登上了Nature!
在需要进行极端优化的地方，可以使用编译语言，例如Cython [43]，Numba [44]和Pythran [45]; 这些语言扩展了Python加速了某些瓶颈。
3.5K20编辑于 2022-03-31 - 来自专栏信数据得永生
ApacheCN 翻译/校对/笔记整理活动进度公告 2019.10.18
Limitations Cython 和 Pyrex 之间的区别 键入的内存视图 实现缓冲协议 使用并行性 调试你的 Cython 程序 用于 NumPy 用户的 Cython Pythran
1.6K30发布于 2019-10-25 - 来自专栏信数据得永生
布客·ApacheCN 翻译/校对/笔记整理活动进度公告 2020.1
Limitations Cython 和 Pyrex 之间的区别 键入的内存视图 实现缓冲协议 使用并行性 调试你的 Cython 程序 用于 NumPy 用户的 Cython Pythran
1.5K40发布于 2020-01-16 - 来自专栏信数据得永生
NumPy 1.26 中文文档（五十二）
如果某个软件包直接使用 NumPy C API，或者使用依赖于它的其他工具（如 Cython 或 Pythran），那么 NumPy 就是该软件包的构建时依赖项。 如果包直接使用 NumPy C API，或者使用一些其他依赖于它的工具，比如 Cython 或 Pythran，那么 NumPy 就是包的 构建时 依赖关系。 如果一个软件包直接使用 NumPy C API，或者使用其他依赖于它的工具，如 Cython 或 Pythran，NumPy 就是软件包的构建时依赖。
1.2K10编辑于 2024-07-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号