大型NumPy项目中仅对特定函数使用Numba的实现方法

不需要为调用链上所有函数添加@jit装饰器，可根据你的性能需求选以下任意一种落地方式：

• 方案1：零代码修改，开启对象模式兼容所有原生NumPy/Python调用
  Numba默认的编译逻辑是优先尝试无Python开销的nopython模式，碰到不支持的numpy.fft操作就会抛错。你只需要给目标函数加装饰器时指定forceobj=True，即可让Numba自动处理编译边界：能被Numba识别的高密度数值计算段会自动编译优化，碰到不支持的子函数调用（包括内部用numpy.fft的函数）会直接走原生Python/NumPy逻辑，不需要修改任何被调子函数。
  示例代码：

  from numba import jit
  
  @jit(forceobj=True)
  def your_high_flop_target_func(*args, **kwargs):
      # 原函数逻辑完全不需要改动，直接调用原有带numpy.fft的子函数即可
      ...
  

  该方案改造成本为0，性能表现为：可编译的计算段达到Numba原生加速水平，未编译的FFT等调用和原生NumPy性能一致，无额外开销。
• 方案2：逻辑拆分，核心计算段用nopython模式拿极致性能
  如果你需要最高的加速比，不想用对象模式，可以把计算流程按是否支持Numba编译拆分：
  • 涉及numpy.fft的前后处理逻辑放在JIT编译函数外，直接用原生NumPy执行
  • 把FLOP密度最高、不依赖FFT的核心计算逻辑单独封装，加@jit(nopython=True)（即@njit）装饰做全编译加速
  • 编译段和非编译段之间只传递NumPy数组、数值标量这类Numba原生支持的数据类型即可，不需要给任何FFT相关的子函数加装饰器。
    该方案核心计算段无任何Python调用开销，加速比最高，仅需要少量代码结构调整。
• 方案3：少量修改FFT调用，全链路跑nopython模式
  如果你可以修改子函数内的FFT逻辑，Numba本身内置了FFT实现，不需要依赖numpy.fft，直接替换导入即可让全链路支持nopython模式编译：

  # 将原有numpy.fft调用替换为Numba内置实现
  from numba.extra import fft
  # 替换后所有加@njit装饰器的函数都可以正常调用FFT逻辑，无需额外适配
  

常见误区澄清：Numba从来没有要求调用链上所有函数都必须加@jit才能编译目标函数。这个误解来自nopython模式的限制：该模式下函数内直接执行的操作必须能被Numba编译，但对于外部未装饰的函数调用，要么通过对象模式直接走原生调用，要么通过逻辑拆分把不支持的操作挪到编译边界外，完全不需要全链路加装饰器，也不需要提前声明外部函数的返回值类型。

内容的提问来源于stack exchange，提问作者LvV