优质文章，第一时间送达！

在我们以前的文章中，曾经讲过计算斐波那契数列的几种方法，其中基于递归的方法是速度最慢的，例如计算第40项的值，需要36秒。如下图所示：

要提高运算速度，根本办法当然是改进算法。不过算法的提高是一个长期积累加上灵机一动的过程。我们今天要讲的，是一个不费脑筋，立竿见影的方法——把 Python 代码编译成 C 语言代码。通过 C 语言的运行效率来加速计算过程。

这个过程看起来很复杂，但实际上你并不需要编写一行 C 语言代码。你需要做的只是使用一个叫做 Cython 的库把 Python 代码编译为 C 语言代码即可。

首先我们来安装 Cython，就像安装普通的第三方库一样：

python3 -m pip install cython

安装完成以后，我们单独写计算斐波那契数列的函数:

def fib(n):
if n in [1, 2]:
return 1
return fib(n - 1) + fib(n - 2)

非常简单的递归写法。然后关键来了，我们要把这个文件保存为fast_fib.pyx。注意后缀是.pyx。如下图所示：

然后我们创建一个setup.py文件，文件内容如下：

from setuptools import setup
from Cython.Build import cythonize
setup(ext_modules=cythonize('fast_fib.pyx'))

如下图所示：

这个文件的作用，就是调用 Cython 的cythonize函数把 Python 代码转换为 C 代码。

接下来，开始编译代码，执行如下命令：

python3 setup.py build_ext --inplace

我的 Python 是 Python3.7，所以运行完成以后，会生成一个fast_fib.cpython-37m-darwin.so，如果你的 Python 是3.8，这个文件名可能是fast_fib.cpython-38m-darwin.so。这个文件你可以改名字，例如改成fast_fib.so。

还有一个文件叫做fast_fib.c。不过你不用打开这个文件，因为它有3200多行。并且你甚至可以直接把它删掉。真正有用的只有这个fast_fib.cpython-38m-darwin.so文件。

你需要做的，仅仅是直接调用你的函数。我们另外创建一个文件test_fast_fib.py，内容如下：

import time
from fast_fib import fib
start = time.time
result = fib(40)
end = time.time
print(f'斐波拉契数列第40项为：{result}，耗时：{end - start}秒')

运行效果如下图所示：

计算斐波那契数列第40项只需要5秒钟，速度妥妥变成 Python 版本的7倍。

使用 Cython，不仅可以提高程序的运行速度，还可以把你的核心代码转换为.so文件，防止别人反编译看到你的代码。

关于 Cython 的更多介绍，请阅读它的官方文档[1]

有同学可能会问，当前文件夹下面既然有fast_fib.pyx文件，为什么当我们执行from fast_fib import fib的时候，不会从这个文件里面导入 Python 版本的代码？

这是因为，import只会从后缀为.py/.pyc/.pyo/.so的文件中导入模块，不会进入.pyx文件中寻找。

参考资料[1]

官方文档:

PyCharm 2020.1 稳定版发布

pip install 今年将出现重大变化！

入坑 Python 后强烈推荐的一套工具库

实战：Flask + Vue 生成漂亮的词云

Github 热门，程序员想拿高薪建议都看看

回复下方「关键词」，获取优质资源
回复关键词「 pybook03」，立即获取主页君与小伙伴一起翻译的《Think Python 2e》电子版
回复关键词「入门资料」，立即获取主页君整理的 10 本 Python 入门书的电子版
回复关键词「m」，立即获取Python精选优质文章合集
回复关键词「」，将数字替换成 0 及以上数字，有惊喜好礼哦~
题图：pexels，CC0 授权。
好文章，我在看❤️