通过使用jit装饰器，使用Numba非常容易：
正如你所知道的，在Python中，所有代码块都被编译成字节码：
当然在学习Python的道路上肯定会困难，没有好的学习资料，怎么去学习呢？
所以小编准备了一份零基础入门Python的学习资料。关注，转发，私信“007”即可领取！
进群：548377875 即可获取数十套PDF的获取方式哦！
Python numba 体系结构
Numba的优势：
- 易用性
- 自动并行化
- 支持numpy操作和对象
- GPU支持
Numba的劣势：
- 多层的抽象使得调试和优化变得非常困难
- 在nopython模式下无法与Python及其模块进行交互
- 有限的类支持
Cython
取代分析字节码和生成IR，Cython使用Python语法的超集，它后来转换成C代码。在使用Cython时，基本上是用高级Python语法编写C代码。
在Cython中，通常不必担心Python包装器和低级API调用，因为所有交互都会自动扩展到合适的C代码。
与Numba不同，所有的Cython代码应该在专门文件中与常规Python代码分开。Cython将这些文件解析并转换成C代码，然后使用提供的C编译器 (例如， gcc)编译它。
Python代码已经是有效的Cython代码。
但是，类型版本工作得更快。
编写快速Cython代码需要理解C和Python内部结构。如果你熟悉C，你的Cython代码可以运行得和C代码一样快。
Cython的优势：
- 通过Python API的使用控制
- 与C/C++库和C/C++代码的简单接口
- 并行执行支持
- 支持Python类，在C中提供面向对象的特性
Cython的劣势：
- 学习曲线
- 需要C和Python内部专业技术
- 模块的组织不方便
Numba 对 Cython
就个人而言，我更喜欢小项目和ETL实验用Numba。你可以将其插入现有项目中。如果我需要启动一个大项目或为C库编写包装器，我将使用Cython，因为它提供更多的控制和更容易调试。
此外，Cython是许多库的标准，如pandas、scikit-learn、scipy、Spacy、gensim和lxml。