本文实例讲述了采用psyco实现python执行速度提高到与编译语言一样的水平的方法，分享给大家供大家参考。具体实现方法如下：
一、安装Psyco很简单，它有两种安装方式，一种是源码方式，一种是二进制码方式：
如果用源码方式安装，你需在源码的目录中调用python setup.py install命令编译生成psyco子目录，再把该子目录整个拷贝到python的site-packages目录下。
如果用二进制码方式安装，按这个网址列表中的python与psyco版本对应表下载合适的二进制文件，解压后会生成一个psyco-1.x的目录，把该目录下的psyco目录整个拷贝到python的site-packages目录下即可。
二、使用说明，在需要做效率优化的源文件前面加入以下两句：
复制代码 代码如下:
import psyco
psyco.full()
另外，使用psyco.profile()可以对大程序进行适当分析，以确定哪些函数最值得编译。
psyco.log()函数用来记录profile()得到的信息，下次就可以运行就能更快一点。
psyco.bind(myfunc)指定对函数myfunc进行编译，可以做到比full()更精细的控制。
psyco.proxy(f)创建一个新的函数，它的代码是由f编译得到二进制码
psyco.full()
另外，使用psyco.profile()可以对大程序进行适当分析，以确定哪些函数最值得编译。
psyco.log()函数用来记录profile()得到的信息，下次就可以运行就能更快一点。
psyco.bind(myfunc)指定对函数myfunc进行编译，可以做到比full()更精细的控制。
psyco.proxy(f)创建一个新的函数，它的代码是由f编译得到二进制码
三、例子：
psyco_test.py文件代码如下：
复制代码 代码如下:
立即学习“Python免费学习笔记（深入）”；
#!/usr/bin/python
# Filename:psyco_test.py
import math, timeit, psyco
def TestA():
res, loopcnt = 0.0, 100
for i in range(loopcnt):
for j in range(loopcnt):
for k in range(loopcnt):
res = res + math.sin(i + j + k)
if __name__ == '__main__':
TestB = psyco.proxy(TestA)
ta = timeit.Timer("TestA()", "from __main__ import TestA")
tb = timeit.Timer("TestB()", "from __main__ import TestB")
print ("TestA(): %.2fs" % (ta.timeit(10)))
print ("TestB(): %.2fs" % (tb.timeit(10)))
# Filename:psyco_test.py
import math, timeit, psyco
def TestA():
res, loopcnt = 0.0, 100
for i in range(loopcnt):
for j in range(loopcnt):
for k in range(loopcnt):
res = res + math.sin(i + j + k)
if __name__ == '__main__':
TestB = psyco.proxy(TestA)
ta = timeit.Timer("TestA()", "from __main__ import TestA")
tb = timeit.Timer("TestB()", "from __main__ import TestB")
print ("TestA(): %.2fs" % (ta.timeit(10)))
print ("TestB(): %.2fs" % (tb.timeit(10)))
运行结果如下：
复制代码 代码如下:
立即学习“Python免费学习笔记（深入）”；
jobin@jobin-desktop:~/work/python/psyco$ python psyco_test.py
TestA(): 4.41s
TestB(): 1.63s
TestA(): 4.41s
TestB(): 1.63s
使用psyco处理过的函数执行速度快了4倍左右， 跟作者宣称的差不多。
希望本文所述对大家的Python程序设计有所帮助。
