# 1.7。用@jitclass 編譯 python 類 > 原文： [http://numba.pydata.org/numba-doc/latest/user/jitclass.html](http://numba.pydata.org/numba-doc/latest/user/jitclass.html) 注意 這是 jitclass 支持的早期版本。并非所有編譯功能都已公開或實現。 Numba 通過 [`numba.jitclass()`](#numba.jitclass "numba.jitclass") 裝飾器支持類的代碼生成。可以使用此裝飾器標記類以進行優化，同時指定每個字段的類型。我們將生成的類對象稱為 jitclass。 jitclass 的所有方法都被編譯成 nopython 函數。 jitclass 實例的數據在堆上作為 C 兼容結構分配，以便任何已編譯的函數可以繞過解釋器直接訪問底層數據。 ## 1.7.1。基本用法 這是一個 jitclass 的例子： ```py import numpy as np from numba import jitclass # import the decorator from numba import int32, float32 # import the types spec = [ ('value', int32), # a simple scalar field ('array', float32[:]), # an array field ] @jitclass(spec) class Bag(object): def __init__(self, value): self.value = value self.array = np.zeros(value, dtype=np.float32) @property def size(self): return self.array.size def increment(self, val): for i in range(self.size): self.array[i] = val return self.array ``` （參見源代碼樹中 <cite>examples / jitclass.py</cite> 的完整示例） 在上面的例子中，`spec`被提供為 2 元組的列表。元組包含字段的名稱和字段的 numba 類型。或者，用戶可以使用字典（`OrderedDict`優選地用于穩定字段排序），其將字段名稱映射到類型。 該類的定義至少需要一個`__init__`方法來初始化每個定義的字段。未初始化的字段包含垃圾數據。可以定義方法和屬性（僅限 getter 和 setter）。它們將自動編譯。 ## 1.7.2。支持操作 jitclasses 的以下操作在解釋器和 numba 編譯函數中都有效： * 調用 jitclass 類對象來構造一個新實例（例如`mybag = Bag(123)`）; * 對屬性和屬性的讀/寫訪問（例如`mybag.value`）; * 調用方法（例如`mybag.increment(3)`）; 在 numba 編譯函數中使用 jitclasses 更有效。可以內聯簡短方法（由 LLVM inliner 決定）。屬性訪問只是從 C 結構中讀取。使用來自 intpreter 的 jitclasses 具有從解釋器調用任何 numba 編譯函數的相同開銷。參數和返回值必須在 python 對象和本機表示之間取消裝箱或裝箱。當 jitclass 實例傳遞給解釋器時，由 jitclass 封裝的值不會被裝入 python 對象。在對字段值的屬性訪問期間，它們被裝箱。 ## 1.7.3。限制 * jitclass 類對象被視為 numba 編譯函數內的函數（構造函數）。 * `isinstance()`僅適用于口譯員。 * 尚未優化在解釋器中操作 jitclass 實例。 * 僅在 CPU 上提供對 jitclasses 的支持。 （注意：計劃在將來的版本中支持 GPU 設備。） ## 1.7.4。裝飾者：`@jitclass` ```py numba.jitclass(spec) ``` 用于創建 jitclass 的裝飾器。 **參數**： * ```py spec: ``` 指定此類中每個字段的類型。必須是字典或序列。使用字典，使用 collections.OrderedDict 進行穩定排序。對于序列，它必須包含 2 元組（fieldname，fieldtype）。 **返回**： 一個可調用的，它接受一個將被編譯的類對象。