Cython: A Guide for Python Programmers

نرم افزاری بسازید که بیانی Python را با عملکرد و کنترل C (و C++) ترکیب می کند. با Cython، کامپایلر و زبان برنامه‌نویسی ترکیبی که توسط بسته‌های بنیادی مانند NumPy استفاده می‌شود، و در پروژه‌هایی از جمله Pandas، h5py و scikits-learn برجسته است. در این راهنمای عملی، شما یاد خواهید گرفت که چگونه از Cython برای بهبود عملکرد پایتون - تا 3000 برابر - استفاده کنید و کتابخانه‌های C و C++ را به راحتی در پایتون بپیچید.

نویسنده کرت اسمیت شما را با قابلیت‌های Cython آشنا می‌کند. همراه با کد نمونه و تمرینات عمیق. اگر به تازگی با Cython شروع کرده‌اید یا می‌خواهید عمیق‌تر شوید، می‌آموزید که چگونه این زبان بخش مهمی از زرادخانه برنامه‌نویس پایتون عملکرد محور است.

• از تایپ ثابت Cython استفاده کنید. سرعت بخشیدن به کد پایتون
• تجربه عملی با استفاده از ویژگی های Cython برای تقویت پایتون اعدادی سنگین خود به دست آورید
• انواع جدیدی با Cython ایجاد کنید—و ببینید برنامه نویسی شی گرا در پایتون چقدر می تواند سریع باشد. be
• به طور موثر کد Cython را در ماژول ها و بسته های جداگانه سازماندهی کنید بدون اینکه عملکرد را به خطر بیندازند
• از Cython برای دادن رابط های Pythonic به کتابخانه های C و C++ استفاده کنید
• بهینه سازی کد با زمان اجرا Cython و ابزارهای کامپایل پروفایل زمان
• از تابع پرانج Cython برای موازی سازی شفاف حلقه ها با OpenMP استفاده کنید

Build software that combines Python’s expressivity with the performance and control of C (and C++). It’s possible with Cython, the compiler and hybrid programming language used by foundational packages such as NumPy, and prominent in projects including Pandas, h5py, and scikits-learn. In this practical guide, you’ll learn how to use Cython to improve Python’s performance—up to 3000x— and to wrap C and C++ libraries in Python with ease.

Author Kurt Smith takes you through Cython’s capabilities, with sample code and in-depth practice exercises. If you’re just starting with Cython, or want to go deeper, you’ll learn how this language is an essential part of any performance-oriented Python programmer’s arsenal.

• Use Cython’s static typing to speed up Python code
• Gain hands-on experience using Cython features to boost your numeric-heavy Python
• Create new types with Cython—and see how fast object-oriented programming in Python can be
• Effectively organize Cython code into separate modules and packages without sacrificing performance
• Use Cython to give Pythonic interfaces to C and C++ libraries
• Optimize code with Cython’s runtime and compile-time profiling tools
• Use Cython’s prange function to parallelize loops transparently with OpenMP