1、说明：
测试是在win10平台下进行的 ，先给大家看一下计算机的配置：
测试环境：
Python3.6.4
GCC 8.1.0 # 需要自己安装哦~
G++ 8.1.0
2 、测试C和Python分别累加到1亿 ，花费的时间
2.1 、C语言程序
首先使用创建Test.c文件，然后将Test.c文件转化为DLL（Win下使用Python调用DLL ，Ubuntu下调用so） 。
将下列程序复制到Test.c文件中 ，然后运行gcc -shared -o Test.dll Test.c生成DLL文件
#include "stdio.h"
// 关键：__declspec(dllexport) 申明将这个方法导出到DLL中 。
__declspec(dllexport) int sum(int a)
{
while (a < 100000000)
{
/* code */
a = a + 1;
}
// printf("%d", a);
return a;
}
2.2、Python程序
创建python2c.py文件，将下面程序复制到python2c.py文件中，然后运行python2c.py
from ctypes import *
import time
from numba import jit
dll = windll.LoadLibrary('Test.dll')
def c_calc_sum():
a=dll.sum(1)
print(a)
start_c = time.time()
c_calc_sum()
print(time.time() - start_c)
# @jit
def calc_sum():
sum_py = 0
for i in range(100000000):
sum_py = sum_py + 1
start_py = time.time()
calc_sum()
print(time.time() - start_py)
输出结果如下：
100000000
0.15740251541137695 # 说明：c语言计算结果
4.498934984207153 # 说明：Python语言计算结果
上面的测试 ，是分别使用C程序和Python程序累加计算1+1+1+1…(1亿次)
从结果中我们可以看出 ，使用C比Python快了约28倍。
3 、测试C和Python（numba加速）分别累加到1亿，花费的时间
我们只需要将上述python2c.py文件中的# @jit注释去掉 ，也就是改为@jit即可实现numba加速 。
看一下使用numba加速后Python的运行效率：
100000000
0.14839458465576172 # 说明：c语言计算结果
0.16844749450683594 # 说明：Python语言计算结果
4 、结论
从上述结果我们可以看出：
1、分别使用c和python测试从1累加到1亿 ，c比python快了将近28倍（python不使用numba加速）；
2、分别使用c和python测试从1累加到1亿，c比python快了将近1.4倍（python用numba加速）；
