from numba import jit
def quadratics(arange=[0,10],brange=[0,100],crange=[0,100], step=2):
l = []
for a in range(arange[0],arange[1]+1,step):
for b in range(brange[0],brange[1]+1,step):
for c in range(crange[0],crange[1]+1,step):
if a != 0:
l.append((-b+cmath.sqrt(b**2-4*a*c))/(2*a))
l.append((-b-cmath.sqrt(b**2-4*a*c))/(2*a))
return l
def mindistance(point, roots):
return min(np.array([(point.real-i.real)**2+(point.imag-i.imag)**2 for i in roots]))
def drawing_matrix(imsz=500,xrange=[-5,5],yrange=[-5,5],poly=2,acc=0.01):
l = np.zeros((imsz, imsz))
roots = quadratics()
for x in range(0, imsz):
for y in range(0, imsz):
c = complex((x/imsz)*(xrange[1]-xrange[0])+xrange[0],(y/imsz)*(yrange[1]-yrange[0])+yrange[0])
if mindistance(c, roots) <= acc:
l[x,y] = 1
return l
现在，我一直在使用Numba来加速@jit修饰符，除了mindistance()，它还可以。如果我将@jit修饰符放在该函数上(这将非常有用，因为它在程序运行期间被调用了数千次)，它将生成以以下结尾的最全面的错误消息：
^{pr2}$
这是第19行(如def mindistance())。你能告诉我为什么麻巴不喜欢这个功能吗？在
我一直在做一个涉及复数计算的程序，我使用的三个函数是：import turtleimport cmathimport numpy as npfrom numba import jit@jitdef quadratics(arange=[0,10],brange=[0,100],crange=[0,100], step=2):l = []for a in range(arange[0],arange...
在
Python
中使用
numba
可以同时兼顾到C语言的速度以及
python
语言简便灵活。
但是要注意在
numba
修饰的函数中出现了数组越界的情况，有可能运行时不会
报错
，从而导致更加难以发现的
错误
。这是由于底层的C语言一直以来的一个“弊病”。
以下是一个简单的例子
import numpy as np
import
numba
@
numba
.
jit
def sum1(a: np.ndarray):
rlt = 0
for i in range(a.shape[0]+1):
您好，
Numba
是一个用于加速
Python
代码的库，它使用了一些
JIT
(Just-In-Time)编译技术来提高
Python
代码的执行速度。在使用
Numba
时，需要设置一些环境变量，以确保它能够正常工作。
如果您的
Numba
环境变量未通过，请按照以下步骤进行设置：
1. 打开终端或命令提示符窗口。
2. 输入以下命令：
set
NUMBA
_DISABLE_
JIT
=0
或者，在Linux或macOS中，输入以下命令：
export
NUMBA
_DISABLE_
JIT
=0
3. 再次运行您的
Python
组态软件，看看是否已经解决了问题。
如果上述方法无法解决问题，请确保您已经正确安装了
Numba
，并按照官方文档中的指南进行设置。如果仍然无法解决问题，请尝试在
Numba
的社区论坛中寻求帮助。
