Python的代码优雅而实用，但是它的速度确实不怎样。Cython企图在保留Python美好的同时，兼顾代码的效率，这里先贴出Cython的两个官方文档，以方便大家对Cython更系统的学习：
英文 http://docs.cython.org/en/latest/
中文 https://moonlet.gitbooks.io/cython-document-zh_cn/content/ch1-basic_tutorial.html
为什么最近会和Cython打上交道，说起来是因为我看了一篇名叫 《Cython三分钟入门》 的文章，毫无疑问文章写得很不错，但是标题起得实在不好，因为太标题党啦！
跑通整个项目我花了大概两天时间，尽管代码量并不大。接下来我仍然会以文章中的例子来进行说明，结合这两天的经历，从三个环境出发：1. Windows环境；2. Linux环境；3. Cgywin环境，将我遇到的问题一并讲清楚，希望能帮助到和我有相同问题的同学。

Cython的安装

Cython是一个Python库，理所当然的安装手段就是

    -> pip intsall cython
当然对于Cygwin用户，也能够进入Cygwin安装程序中下载Cython包，效果是一样的，步骤可以参考我的另一篇文章《Cygwin，让你拥有Windows下的Linux环境》。

由于各主机的配置不一样，你测试出来的时间和我不一样很正常，但是这种性能的上升是必定和我一样的！
Python版本
下面是一段Python实现的代码，作用是计算沿地球表面两点之间的距离，是我们的version1。我们会让它调用50万次，并测定它所需的时间：
# version1.py
import math  
def great_circle(lon1,lat1,lon2,lat2):  
    radius = 3956 #miles  
    x = math.pi/180.0  
    a = (90.0-lat1)*(x)  
    b = (90.0-lat2)*(x)  
    theta = (lon2-lon1)*(x)  
    c = math.acos((math.cos(a)*math.cos(b)) +  
              (math.sin(a)*math.sin(b)*math.cos(theta)))  
    return radius*c  
实现以下代码来调用version1:：
# efficiency.py
import timeit
lon1,lat1,lon2,lat2=-72.345,34.323,-61.823,54.826
num=500000 #调用50万次
t=timeit.Timer("v1.great_circle(%f,%f,%f,%f)"%(lon1,lat1,lon2,lat2),
               "import version1 as v1")
print('纯python版本用时:'+str(t.timeit(num))+'sec')
好的，我的电脑花了大约3.3s，有点感人。当然我们的时间可能并不一样，但无一例外都不怎么快。

Python+C版本
一定程度上混搭Python和C数据类型，是我们的version2，但要注意，必须是.pyx文件，因为我们需要将其编译为Python拓展，这一步我会在后面仔细讲。我们同样会调用50万次，并测定它所需的时间：
# version2.pyx
import math
def great_circle(float lon1,float lat1,float lon2,float lat2):
    cdef float radius=3956.0
    cdef float pi=3.14159265
    cdef float x=pi/180.0
    cdef float a,b,theta,c
    a=(90.0-lat1)*(x)
    b=(90.0-lat2)*(x)
    theta=(lon2-lon1)*(x)
    c=math.acos((math.cos(a)*math.cos(b) +
            math.sin(a)*math.sin(b)*math.cos(theta)))
    return c*radius  
实现以下代码来调用version2：
# efficiency.py
import timeit
lon1,lat1,lon2,lat2=-72.345,34.323,-61.823,54.826
num=500000 #调用50万次
t=timeit.Timer("v2.great_circle(%f,%f,%f,%f)"%(lon1,lat1,lon2,lat2),
               "import version2 as v2")
print('python+c版本用时:'+str(t.timeit(num))+'sec')
我的电脑花了大约2.2s，与3.3s相比是不是快了不少。相信在你的电脑上也能够看到这么明显的变化。

C版本（Python调用）
我们大致分析一下，version2的瓶颈是在哪里！我们调用的是python的math模块，是不是这里大大地限制了性能？现在我们使用C标准库替代之：
# version3.pyx
cdef extern from "math.h":
    float cosf(float theta)
    float sinf(float theta)
    float acosf(float theta)
def great_circle(float lon1,float lat1,float lon2,float lat2):
    cdef float radius=3956.0
    cdef float pi=3.14159265
    cdef float x=pi/180.0
    cdef float a,b,theta,c
    a=(90-lat1)/(x)
    b=(90-lat2)/(x)
    theta=(lon2-lon1)*(x)
    c=acosf((cosf(a)*cosf(b))+(sinf(a)*sinf(b)*cosf(theta)))
    return radius*c
实现以下代码来调用version3：
# efficiency.py
import timeit
lon1,lat1,lon2,lat2=-72.345,34.323,-61.823,54.826
num=500000 #调用50万次
t=timeit.Timer("v3.great_circle(%f,%f,%f,%f)"%(lon1,lat1,lon2,lat2),
               "import version3 as v3")
print('纯c版本(Python函数调用)用时:'+str(t.timeit(num))+'sec')
0.6s，相当惊人！！这才是我们追求的速度不是吗？

C版本（C调用）
观察上面的代码，容易发现调用50万次这个是循环使用Python实现的。我们知道循环是一个相当耗时的操作，那么如果我们把这个循环放到C代码里，是否能更进一步地提升性能：
# version4.pyx
cdef extern from "math.h":
    float cosf(float theta)
    float sinf(float theta)
    float acosf(float theta)
cdef float _great_circle(float lon1,float lat1,float lon2,float lat2):
    cdef float radius=3956.0
    cdef float pi=3.14159265
    cdef float x=pi/180.0
    cdef float a,b,theta,c
    a=(90-lat1)*(x)
    b=(90-lat2)*(x)
    theta=(lon2-lon1)*(x)
    c=acosf((cosf(a)*cosf(b))+(sinf(a)*sinf(b)*cosf(theta)))
    return radius*c
def great_circle(float lon1,float lat1,float lon2,float lat2,int num):
    cdef int i
    cdef float x
    for i from 0<=i<num:
        x=_great_circle(lon1,lat1,lon2,lat2)
    return x
实现以下代码来调用version4：
# efficiency.py
import timeit
lon1,lat1,lon2,lat2=-72.345,34.323,-61.823,54.826
t=timeit.Timer("v4.great_circle(%f,%f,%f,%f,%i)"%(lon1,lat1,lon2,lat2,num),
           "import version4 as v4")
print('纯c版本(C函数调用)用时:'+str(t.timeit(1))+'sec')
惊喜地发现，我们把性能提升到了0.12s，速度提高了将近30倍，very amazing。

float great_circle(float lon1,float lat1,float lon2,float lat2){
    float radius=3956.0;
    float pi=3.14159265;
    float x=pi/180.0;
    float a,b,theta,c;
    a=(90.0-lat1)*(x);
    b=(90.0-lat2)*(x);
    theta=(lon2-lon1)*(x);
    c=acos((cos(a)*cos(b))+(sin(a)*sin(b)*cos(theta)));
    return radius*c;
int main(){
    int i;
    float x;
    clock_t start, finish;
    double Total_time;
    start = clock();
    for(i=0;i<=NUM;i++)
        x=great_circle(-72.345,34.323,-61.823,54.826);
    finish = clock();
    Total_time = (double)(finish-start) / CLOCKS_PER_SEC;
    printf("%f sec",Total_time);
    printf("\n");
    printf("%f",x);
当然，如果你有C语言的集成环境，直接运行就能可以得到结果！我们知道Linux系统的gcc组件能够编译C代码，为了方便，我们直接在Linux系统下编译运行，这里我提供两种方式：
->Linux环境下:gcc -lm -octest version5.c

   当前路径生成ctest.exe

->time ./ctest

   测试该模块运行所需时间

对于使用Cygwin来完成这条命令的用户，可能会遇到下面的麻烦，博主也遇到了

<center><font color="red">错误：</font>pyconfig.h No such file or directory</center>

通过网上查阅相关资料，发现这是由于某些组件的缺失造成的，它们可能是下面这些组件：
python-devel（对应python2.x）/python3-devel（对应python3.x）
libxml2-dev
libxslt-dev

一般来说，主要是python-devel的原因。总之，看情况吧。
->Linux环境下:gcc -o version5 version5.c

   当前路径生成version5.exe

->./version5

   测试该模块运行所需时间

可能由于测试的方式不同，这里用时反而还要长那么一点。但总的来说，Cython能够有效地改善性能。当然，大多数情况下，Python的性能是足够好的，一旦循环、数字运算和Python函数调用上去了，性能就会相应地下降，在这种情况下，我建议你们使用Cython进行优化。

对于Linux系统，编译一下代码能够得到：.pyx->.c->.o->.dll

这是对应的，因为Windows系统能够使用的Python拓展是.pyd文件，而Linux系统能够使用的Python拓展是.o或.dll文件。但是我们完全不用担心，你的系统总是有选择地去做适合它自己的事情，我们只需要顺水推舟。
#setup.py
# Run as:
#    python setup.py build   编译
#    python setup.py install 安装（效果同pip install xxx）
from distutils.core import setup
from Cython.Build import cythonize
#cythonize：编译源代码为C或C++，返回一个distutils Extension对象列表
setup(ext_modules=cythonize('XXXXX.pyx'))
我们在前文提到的.pyx文件并不能直接作为Python拓展，我们需要编写setup.py来帮助我们获得Python拓展。在'XXXXX.pyx'中填入.pyx文件的路径，然后我们在shell环境下（setup.py的目录下）执行以下命令：

python setup.py build  

一般来说，我们能在当前目录下看到一个名为build的文件夹，我们需要的Python拓展就在里面！注意执行该命令的python版本要对应。
执行以下命令：

python setup.py install  

安装该模块到site-package文件夹下。
Cython编译中的问题
我之所以无法像文章所说的那样三分钟入门，就是因为这些乱七八糟的问题，这里我汇总一下我自己遇到的问题，希望后来的人不要像我一样走弯路。原生Linux环境问题不大，会出现问题主要就是Windows系统和Cygwin这种伪Linux环境，我就从这两个环境出发：
Windows
Unable to find vcvarsall.bat####
这时候的我们，一般直接就把这个错误贴到百度或者google上，那么我们会看到一堆关于Windows下Cython安装的教程。

注意，不要按网上说的，安装MinGW，然后在"..python安装路径...\Lib\distutils"下新建一个distutils.cfg文件，在这文件里面制订编译器为mingw32

[build]

compiler=mingw32

一方面，我的电脑上已经安装了Cygwin，为什么非得另外安装一个MinGW，另一方面MinGW编译出来的东西，安装上了也有不好使的时候，甚至会无法编译；即使编译通过，安装上了，你安装的Python标准库不是由mingw编译的，你的拓展包却是mingw编译的，很难说能够完全兼容或者质量跟得上。（引用自参考文献2）

但是参考文献2中提到的方法却不是很管用，可能不是很适合我的情况吧。那么要如何解决这个问题？这主要是因为涉及到了比较底层的问题，由于底层上对python支持的不足造成的。参考文献3提出的方法完美地解决了我的问题：

打开Visual Studio的安装程序进入到下面的界面，选择下面这些组件安装。

致命错误：Python.h：没有那个文件或目录####
其实说白了，Cygwin下报错，大多数情况就是想告诉你，你丫的有哪些哪些组件没下载呀呀！！

是的，只要我们安装python-devel（python2.x）/python3-devel（python3.x），便发现问题迎刃而解啦！

这几天收获很大，巨开心!

项目链接：  https://github.com/kingboung/Miniproject/tree/master/Cython_accidence 

转载请告知！！博主个人网站：http://www.kingboung.me   

文章有不完善的地方，请留言告知！谢谢我的朋友们。