1 前言

上一主题中，我们介绍了如何构建Cython代码，对于一般的python代码，都可以使用cython对其进行编译（当然也有列外，比如一些Cython尚未支持的语言特性https://cython.readthedocs.io/en/latest/src/userguide/limitations.html#cython-limitations），使动态的python代码变成静态的编译语言，从而提高运行效率（一般可以提升30%左右的效率）。然而在一些场景下（e.g.科学计算），你可能希望获得更快的效率，通过添加静态类型声明Cython也能为你办到！正如编译语言中的类型声明一样，Cython中的静态类型声明可以使得python代码脱离python的动态特性，生成更快的C代码，在一些情形下，能够使你的运算获得数十倍的效率提升！

2 变量类型声明

声明类型的方式如下：以cdef作为开头，定义类型与变量名，基本上是c与python的结合吧。

# file: test.pyx
# 声明一个变量
cdef int x
cdef double s, dx

# 声明一堆变量
cdef:
  int x
  double y
  double z

所有C的类型（int float double...）都可以在.pyx文件中声明使用,cython会自动完成python与C之间的类型转换。需要特别指出的是python中的不定长整型在C中运行时，如果发生溢出，则会在运行时报OverflowError的错误，但是在做数学运算时，并不会检查溢出，在这种情况下，生成的C代码将正确、安全地处理平台相关的C类型（这一块我目前还没有理解透彻，期待评论区大神的留言）。
看一个官方例子：
python程序：

# file: integrate_f.py
def f(x):
    return x ** 2 - x
def integrate_f(a, b, N):
    s = 0
    dx = (b - a) / N
    for i in range(N):
        s += f(a + i * dx)
    return s * dx

改写为cython：

# file: integrate_f_cy.pyx
def f(double x):
    return x ** 2 - x
def integrate_f(double a, double b, int N):
    cdef int i
    cdef double s, dx
    s = 0
    dx = (b - a) / N
    for i in range(N):
        s += f(a + i * dx)
    return s * dx

由于i被声明为C类型，因此，该循环体会被转化为纯C代码执行。 a, s 和 dx参与了循环，因此对这三个变量进行类型声明将显著提升效率，而b和N则不会对效率产生深远影响。
为了验证一下，可以再在同一文件目录下新建一个python文件test.py。分别导入上述两个文件，对比一下速度，记得integrate_f_cy.pyx需要编译后才能import成功。

3 函数类型声明

之前用def定义的函数本质上还是python的函数，python的函数调用开销是相对较大的，因此在函数调用频繁的场合，可以直接将函数声明为C-style的风格：

cdef double f(double x) except? -2:
    return x ** 2 - x

cdef是声明函数的标记，可以像C一样指定返回值的类型为double， except? -2在这里的意思是：如果函数调用发生了异常，则返回-2，这方便我们追踪bug。如果函数的返回类型是python对象或者你可以保证函数不会出现异常，except也可以不写。
还需要说明的是，cdef声明的函数在编译后是不能在.py文件中调用的，它更像是cython的一个内部函数，对外不可见。如果你想写一个可以在.py中调用的函数，请用cpdf作为函数的声明。

• 说了这么多，来个实验吧！看看类型声明能够带来多少效率提升。
  同样的函数（从1加到10亿），python原生函数简直奇慢57.4s，简单编译不指定类型，运行结果为35.6s，指定参数类型后，运行时间竟然达到了0.3s！！！

  
  python.png
  截图20201130185059.png
  截图20201130185656.png

4 后记

天下武功，唯快不破！但鱼与熊掌不可兼而得之。这意味着你想要获得更快的执行效率，你就不得不放弃一些python优美特性：可读性、动态性、高效开发；反之，如果你想要更快地开发你的产品，那么就不要过多地关注于静态类型这些底层维度的东西。客观地讲，Cython的目的不是为了让你全盘皆用Cython开发，如果你是狂热的运行效率追求者，那么就直接上C/C++，这样写出的代码更加稳定高效；如果不是，如无必要，就不要过度依赖Cython而坏了python的味道。