Numba(ナンバ)はPythonのJIT(Just In Time)コンパイラです。簡単にいえば,Pythonの自前の関数を高速にする仕組みです。以下は M1 Mac mini 上の Python 3.11.4、NumPy 1.24.3、Numba 0.57.0 で実行しました。
速さ比べのため,まずは100万個の乱数を用意します:
import numpy as np rng = np.random.default_rng(12345) a = rng.random(1000000)
これをPython標準の sum()
関数を使って合計するのに要する時間を計測します:
%timeit sum(a)
結果:
37.6 ms ± 1.13 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
次は,自前の関数を作って,時間を計測します:
def sum1(a): s = 0 for x in a: s += x return s %timeit sum1(a)
結果:
45.1 ms ± 894 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
次はNumbaを使ってみましょう。pip install numba
などとしてインストールしてから,次を実行します:
from numba import jit @jit(nopython=True) def sum2(a): s = 0 for x in a: s += x return s %timeit sum2(a)
結果:
941 µs ± 3.73 µs per loop (mean ± std. dev. of 7 runs, 1 loop each)
約1ミリ秒です。数十倍速くなりました。最後にNumPyの np.sum()
も試します:
%timeit np.sum(a)
結果:
196 µs ± 448 ns per loop (mean ± std. dev. of 7 runs, 1,000 loops each)
Numbaで高速化したものよりさらに高速です。
つまり,ループを含むようなPythonのコードはたいていNumbaで高速化できますが,同じ機能のNumPy関数があるなら,そちらを使いましょう。
参考: