将 Python 程序转换为 C/C++ 代码？答案

【问题标题】：Convert Python program to C/C++ code?将 Python 程序转换为 C/C++ 代码？
【发布时间】：2011-06-06 17:17:27
【问题描述】：

是否可以将 Python 程序转换为 C/C++？

我需要实现几个算法，但我不确定性能差距是否足以证明我在 C/C++ 中所经历的所有痛苦（我不擅长）。我考虑过编写一个简单的算法，并将其与这种转换后的解决方案进行基准测试。如果仅此一项就比 Python 版本快得多，那么我别无选择，只能在 C/C++ 中进行。

【问题讨论】：

尽管 Python 在基准测试中损失了很多，但请记住，如果在 Python 中计算在几秒钟内完成，那么 50 倍或 100 倍的减速仍然可以忽略不计，即使你做了很多 I /O 或有一个可怕的算法。而不是问“Python 慢了多少？”你应该问“Python 够快吗？” （老实说，最有可能的是）-这也比基准测试或在这里询问要快。
在 python 中实现一个算法是非常快速和直接的......你只需要这样做，然后检查它是否足够快。大多数时候，您可以使用不同的数据结构（字典/集合而不是列表...）或不同的操作来优化算法以更快地运行。无论如何，优化应该发生在您已经实现了算法的初稿并对其进行基准测试/分析之后。
@delnan：就我而言，这完全与计算时间有关。如果 C 变体需要减少 x 小时，那么我会花时间让算法运行更长时间/再次运行。我只是想（粗略地）找出 Python 会慢多少——如果只是几个小时，我当然不会使用我不习惯的语言（你可能会破坏实现不良问题的最佳解决方案： P）。
@delnan 说的对，Python 可能对很多事情都足够快。即使速度较慢，开发、维护和未来增强的难易程度也是需要考虑的重要因素。
“x 小时”？这是多大？您是否对实现进行了基准测试？你有测量值吗？您是否对实施进行了概要分析？还是您试图过早地优化解决方案？

标签： c++ python c code-generation

【解决方案1】：

如果 C 变体需要的时间减少 x 小时，那么我会花时间让算法运行更长/再次

“投资”在这里用词不当。

在 Python 中构建一个有效的实现。你会在完成 C 版本之前完成这个。
使用 Python 分析器测量性能。解决您发现的任何问题。根据需要更改数据结构和算法以真正正确地执行此操作。你将在完成 C 的第一个版本之前完成这个。
如果还是太慢，请手动将精心设计和精心构建的 Python 翻译成 C。

由于事后诸葛亮的工作方式，从现有 Python（使用现有单元测试和现有分析数据）执行第二个版本仍然比尝试从头开始编写 C 代码更快。

这句话很重要。

Thompson 对首次望远镜制造商的规则
做一个四英寸的镜子，然后是一个六英寸的镜子，比做一个六英寸的镜子要快。

比尔·麦基南
王学院

【讨论】：

不管分数有多高，我看不出这如何回答这个问题。
@Audrius Meskauskas，它没有，它消除了它，使问题的前提变得不必要。换句话说，它解释了如何做比所要求的更好的事情，而不是被要求的。
就我而言，我会单独为最后的报价投票。当外推到用 C 语言编程时，这非常有见地。我正在用 C 语言实现 fast_malloc()。我在一个我认为需要几天时间的项目上进行了 4 周。我的大部分时间都花在了代码的支持结构上，而不是代码本身。如果建造一个棚子是目标，我的大部分精力都花在了制造钉子、锤子、锯子和制造油漆的化学物质上，这样我就可以制作用来混合油漆的罐子和油漆也粘，然后是油漆。

【解决方案2】：

是的。看Cython。它就是这样做的：将 Python 转换为 C 以加快速度。

【讨论】：

当然，除非您添加一堆 cdef 声明并因此引入静态类型（否则您只能处理不透明的 PyObject * 东西），否则不会为您节省任何东西。而且它永远不会像普通 C 一样快，因为它通常与 Python 交互（100% 或更多？仅适用于大多数时间根本不与 Python 交互的普通数字代码！）。但除此之外，是的，它可以让你获得相当大的加速。
@delnan：事实上，它确实为您节省了一些东西。大多数纯 Python 代码在编译后会更快。但是，是的，使用 cdefs 和静态类型，您真正开始看到差异。在所有使用 Python 中的 C 的情况下，您都可以获得与 Python 的接口。

【解决方案3】：

Shed Skin 是“一个（受限的）Python-to-C++ 编译器”。

【讨论】：

+1 Shed Skin 的一个优点是类型推断：如果可以从程序流中猜测变量类型，则可以避免动态类型检查。这通常会导致更短的 C++ 代码实际上可以读取并编译为更快的程序。
还有Python → 11l → C++ transpiler，它也是一个受限的Python to C++编译器，但是它支持一些Python特性，Shed Skin不支持（例如嵌套函数/闭包）。

【解决方案4】：

刚刚在黑客新闻中看到this 新工具。

从他们的页面 - “Nuitka 是 Python 解释器的一个很好的替代品，它编译 CPython 2.6、2.7、3.2 和 3.3 提供的每个结构。它将 Python 转换为 C++ 程序，然后使用“libpython”在与 CPython 一样，以一种非常兼容的方式。”

【讨论】：

这个项目比其他类似选项成熟得多。有趣的是，它在 OSX 上创建了带有 .exe 扩展名的二进制文件，即使它是一个完全正常的 OSX Mach-O 可执行文件。看起来它可能是pyinstaller、py2exe、py2app 等的一个很好的替代品。--recurse-*** 标志对于正确设置很重要。
Nuitka 很棒，但是创建的 C/C++ 代码使用绑定到 CPython-C-code-implementation 的 PyObject。它不会产生惯用的 C 代码。

【解决方案5】：

我知道这是一个较旧的帖子，但我想提供我认为有用的信息。

我个人使用 PyPy，它很容易使用 pip 安装。我可以互换使用 Python/PyPy 解释器，您根本不需要更改代码，而且我发现它比标准 Python 解释器（Python 2x 或 3x）快大约 40 倍。我使用 pyCharm Community Edition 来管理我的代码，我喜欢它。

我喜欢用 python 编写代码，因为我认为它可以让你更多地专注于任务而不是语言，这对我来说是一个巨大的优势。如果你需要它更快，你总是可以编译为 Windows、Linux 或 Mac 的二进制文件（不是直接的，但可以使用其他工具）。根据我的经验，我在编译时比 PyPy 获得了大约 3.5 倍的加速，这意味着比 python 快 140 倍。 PyPy 可用于 Python 3x 和 2x 代码，同样，如果您使用像 PyCharm 这样的 IDE，您可以非常轻松地在 PyPy、Cython 和 Python 之间进行互换（尽管需要一些初始学习和设置）。

有些人可能会在这个问题上与我争论，但我发现 PyPy 比 Cython 快。但它们都是不错的选择。

编辑：我想对编译做一个简短的说明：当你编译时，生成的二进制文件比你的 python 脚本要大得多，因为它会将所有依赖项构建到其中等等。但是然后您将获得一些明显的好处：速度！，现在该应用程序可以在没有 Python 或库的任何机器上运行（取决于您编译的操作系统，如果不是全部。哈哈），它还会混淆您的代码，并且在技术上“生产”准备好（到一个程度）。一些编译器还生成 C 代码，我没有真正看过或看到它是否有用或只是胡言乱语。祝你好运。

希望对您有所帮助。

【讨论】：

我知道这是一个较旧的评论，但谢谢！
没问题，我很高兴它有用。
你用什么软件从 PyPy 解释编译？
不是专门的 PyPy，只是 .py 脚本。 Nuitka 如果您想要“C/C++ 可执行文件或 C/C++ 源代码”，如果您只想要一个可执行文件（更简单），则使用 PyInstaller。还有 py2exe，但我的成功率较低，尽管我确信情况有所改善。 PyInstaller 也是跨平台的，不仅适用于 Windows 可执行文件（适用于 Linux 和 Mac）。 Nuitka 是独一无二的，因为我认为它是唯一可以为您提供可用源代码的“编译器”，理论上您可以进一步优化。还有一些其他的，例如 bbFreeze、cx_Freeze 和 py2app，但我还没有尝试过。祝你好运！
我还发现 PyPy 比 Cython 运行得更快。在一项测试中，我实际上发现 PyPy 的速度与程序的 C++ 版本相同（插入排序）。

【解决方案6】：

除了 Shed Skin 之外，另一个选项 - 转换为 C++ - 是Pythran。

引用 Micha Gorelick 和 Ian Ozsvald 的高性能 Python：

Pythran 是 Python 到 C++ 的编译器，适用于 Python 的一个子集，包括部分numpy 支持。它的行为有点像 Numba 和 Cython——你注释一个函数的参数，然后它接管进一步的类型注释和代码专业化。它需要矢量化可能性和基于 OpenMP 的优势并行化的可能性。它仅使用 Python 2.7 运行。

Pythran 的一个非常有趣的特性是它会尝试自动发现并行化机会（例如，如果您使用map)，并将其转换为并行代码，而不需要额外的你的努力。您还可以使用pragma omp > 指令指定并行部分；在这方面，感觉和 Cython 的很像 OpenMP 支持。

在幕后，Pythran 将采用普通 Python 和 numpy 代码并尝试积极地将它们编译成非常快的 C++——甚至比 Cython 的结果更快。

你应该注意这个项目是年轻的，你可能会遇到错误；您还应该注意，开发团队非常友好并且往往会在几个小时内修复错误。

【讨论】：

请注意，“在 0.9.5（包括）之前，Pythran 一直支持 Python 3 和 Python 2.7。它现在只支持 Python 3。”

【解决方案7】：

http://code.google.com/p/py2c/ 看起来很有可能——他们还在他们的网站上提到：Cython、Shedskin 和 RPython，并确认他们正在将 Python 代码转换为纯 C/C++，这比充斥着 Python API 调用的 C/C++ 快得多。注意：我还没有尝试过，但我会..

【讨论】：

看来Py2C还是一个未完成的项目。它已经几年没有更新了，所以它可能已经失效了。
@ashley 还是很有用的，谢谢 - 它可以是一个很好的替代品。解决方案，感谢您发布此内容。

【解决方案8】：

我意识到缺少一个全新解决方案的答案。如果代码中使用了 Numpy，我建议尝试 Pythran：

http://pythran.readthedocs.io/

对于我尝试过的函数，Pythran 给出了非常好的结果。生成的函数与编写良好的 Fortran 代码一样快（或仅稍慢一些），并且比（相当优化的）Cython 解决方案快一点。

与 Cython 相比的优势在于，您只需在针对 Numpy 优化的 Python 函数上使用 Pythran，这意味着您不必扩展循环并为循环中的所有变量添加类型。 Pythran 会花时间分析代码，以便了解 numpy.ndarray 上的操作。

与 Numba 或其他基于即时编译的项目相比，这也是一个巨大的优势（据我所知），您必须扩展循环才能真正高效。然后只有使用 CPython 和 Numpy 的循环代码变得非常低效......

Pythran 的一个缺点：没有类！但是由于只需要编译真正需要优化的函数，所以也不是很烦人。

另一点：Pythran 很好地（并且非常容易地）支持 OpenMP 并行性。但我认为不支持 mpi4py...

【讨论】：