Cython で遊んでみた

先日，pandasのTimestampの実装 を読む機会がありました．pandas では，pyx という見慣れない拡張子のファイルで，プログラムが実装されていました．
変数や関数に型定義がされていたりと，ちょっと見慣れない記述が多かったので，調べてみたところ，Cython という言語で書かれていることがわかりました．

Cython とは

Cython は，Python と C 言語の統合を可能にし，Python コードを高速で効率的なモジュールを作成するための言語です．
Cython では，C 言語の関数を直接呼び出せたり，C 言語の型やクラスを扱うことができます．
端的に言えば，Cython は，C 言語の高速な実行速度と Python の簡潔な記述を両立させることができる便利な言語です．

Cythonの基礎文法

本稿では，Cython で書かれたコードと Python で書かれたコードの実行時間を比較することを目的とします．
基本的な文法は，Python と同じです．明らかに異なる点は，Python の文法と異なる点は，関数の宣言と，変数の型を明示している点くらいですね．
(細かいところを見れば，もっとたくさんの違いがあります！本稿で紹介するのは，その一部です．)

Cython での関数の宣言には，def, cdef, cpdef の 3 つのキーワードがあります．

• def
  • Python の関数として定義
  • Cython 内(C 言語)から呼び出すことはできない
• cdef
  • def の反対で，Cython 内(C 言語)からのみ呼び出すことができる
  • Python からは呼び出すことができない
  • C 言語の関数に変換されるので高速
    • Python での不要なオーバヘッドを削減できる
• cpdef
  • Python, Cython 内の両方から呼び出すことができる
  • Python のオブジェクトを操作したいけど，C 言語の関数としても扱いたいときに用いる
  • cpdef は cdef よりもオーバヘッドが増える分ちょっと遅い

Cythonのインストール

pip install cython

Cythonを使ってみる

実装

パフォーマンス測定によく使われる 竹内関数 を実装してみます．
以下が，Cython で実装した竹内関数です．(syntax highlight してくれなくて悲しい…)
私のGitHub にもコードを置いておきます．
先ほど示したように，cpdef で宣言しています．また，int 型の引数を受け取り，int 型の戻り値を返すことを明示しています．

cpdef int tarai(int n):    if n == 0 or n == 1:        return 0    elif n == 2:        return 1    else:        return tarai(n - 1) + tarai(n - 2) + tarai(n - 3)

ビルド

cython コマンドを使ってビルドしてもよいですが，オプション等扱うには，setup.py を使ったほうが便利ですので，そちらを使用します．
cythonize() に対象ファイルを含めています．
setup() には，ビルド時のオプションとして，build_ext と --inplace を指定しています．
これらにより，ビルドしたファイルがカレントディレクトリに出力されます．

from distutils.core import setupfrom Cython.Build import cythonizesetup(    ext_modules=cythonize(        "tarai.pyx",        compiler_directives={"language_level": "3"},    ),    script_args=["build_ext", "--inplace"],)

setup.py を実行するだけでビルドできます！
また，ビルド時に，どのようにしてビルドしているか出力されます．gcc を使っていることや，-O2 オプション等が指定されていることがわかります．

# ビルド
python3 setup.py

# Compiling tarai.pyx because it changed.
# [1/1] Cythonizing tarai.pyx
# running build_ext
# building 'tarai' extension
# C compiler: x86_64-linux-gnu-gcc -Wno-unused-result -Wsign-compare -DNDEBUG -g -fwrapv -O2 -Wall -g -fstack-protector-strong -Wformat -Werror=format-security -g -fwrapv -O2 -fPIC

# compile options: '-I/usr/include/python3.10 -c'
# x86_64-linux-gnu-gcc: tarai.c
# x86_64-linux-gnu-gcc -shared -Wl,-O1 -Wl,-Bsymbolic-functions -Wl,-Bsymbolic-functions -g -fwrapv -O2 build/temp.linux-x86_64-cpython-310/tarai.o -L/usr/lib/x86_64-linux-gnu -o build/lib.linux-x86_64-cpython-310/tarai.cpython-310-x86_64-linux-gnu.so
# copying build/lib.linux-x86_64-cpython-310/tarai.cpython-310-x86_64-linux-gnu.so ->

ビルドすると，C 言語に変換されたファイルや，それからコンパイルされた共有ライブラリ，オブジェクトファイルが生成されます．
以下がビルド後のディレクトリ構造です．

.
├── build
│   ├── lib.linux-x86_64-cpython-310
│   │   └── tarai.cpython-310-x86_64-linux-gnu.so
│   └── temp.linux-x86_64-cpython-310
│       └── tarai.o
├── setup.py
├── tarai.c
├── tarai.cpython-310-x86_64-linux-gnu.so
└── tarai.pyx

サイズは以下のようになりました．Python から扱えるよう，いろいろ含まれているので，大きいですね．

Pythonからの呼び出し

さて，ビルドが完了したので，Python から呼び出してみます．

通常の Python のモジュールと同じように，import して使うことができます．モジュール使用者は，モジュールが Python で実装されているのか，Cython で実装されているのかを意識せずに使うことができます！これはうれしい．

import tarai


n = 30
result = tarai.tarai(n)
print(result)

パフォーマンス測定

Python でも同様の竹内関数を実装し，実行時間を比較してみます．

import timeimport taraidef pytarai(n) -> int:    if n == 0 or n == 1:        return 0    elif n == 2:        return 1    else:        return pytarai(n - 1) + pytarai(n - 2) + pytarai(n - 3)n = 30s1 = time.perf_counter()pytarai(n)total1 = time.perf_counter() - s1print("python:\t", total1)s2 = time.perf_counter()tarai.tarai(n)total2 = time.perf_counter() - s2print("cython:\t", total2)print(total1 / total2)

実行結果

なんと，34 倍も高速化されました！

実行時間にすごく影響が出るプログラムを実装し，比較しているので，差が大きく出ました．
とはいえ，Cython を用いると一般的なプログラムでも，数倍の高速化が期待できると思います．

所感

Cython は，Python コードの高速化に使えて，便利そうです．プログラムの高速化だけであれば，Python なんて遅い言語を使わず，初めからコンパイル言語を使うべきだと思います．
しかし，Cython の強みは Python の柔軟な記述を活かしつつ，高速化できることだろうと感じました．
pandas のように大きなデータを扱うモジュールが Cython を使用していることは理にかなっています．