この方法を加速寄与パイソンプリムマルチソース最短経路探索アルゴリズムnumbaをデモおよび要約

図1に示すように、2個のテスト・アルゴリズム

＃1 コーディング：UTF-8 
インポート時間
 インポートnumba
 インポートNP AS numpyの
 「」 ' 
numba加速要約を使用して、
計算のフロートダブル他のタイプ（1）、intなどの数値計算
numbaアクセラレーションを使用して、速度が文字列型のデータができません、加速することができます使用numbaが加速しました。
（2）数値計算：numba小さなループを使用しないで、ループ100は、上記numbaアクセラレーションを使用することができるよりも大きいです。
（3）、小さなサイクルは、とても遅い毛髪の時間のかかるプロセスを切り替えるとき。
（4）1秒を超える計算時間を使用することができる、1秒以内のサイクル時間より少ない計算に他のnumba加速の使用を算出します。
'' ' 
@ Numba.jit 
DEF TEST1（LS）：
    N- = LEN（LS）
    DT = np.zeros（（N、N-））
     のために I、項目で列挙（LS）
         のために J、ヴァルで =（+ヴァル列挙（LS） ：
            DT [I、J] アイテム）

    リターンのDT 

@のnumba.njit 
DEFプリム（G、START = 0）：
    N = LEN（G）
    kは = 開始
    MST = [] 
    VIS = np.zeros（N）
    VISを[0] = 1 一方、 K <N-1 ：
        minw = np.inf 
        U、V = 0,0
         のための私に：レンジ（N）
             のための J でレンジ（N）：
                 もし VIS [I] == 1 及び VIS [J] = =

    0：
                     もし G [I、J] < minw：
                        minw = G [I、J] 
                        U、V = I、J 
        VIS [V] = 1 
        、K = K + 1 
        MST.append（[U、V、minw]。コピー（））

    戻りMST 

場合 __name__ == " __main__ " ：
    LS =リスト（フロート（I）のために I における範囲（30000 ））
    N = 500 
    、G = np.random.randint（100,1000 、（N、N） ）
    ST = time.time（）
    ＃再= TEST1（LS） 
    RE1 = プリム（G）
     プリント（RE1 [-10 ：]）
     プリント（time.time（） - ST）