如何提升Julia中从字符串生成的SymPy函数的运行性能？

性能差距原因 #

你当前使用的string_to_function实现每次调用都通过subs执行符号替换，全程操作SymPy的符号对象，没有编译为原生Julia数值计算代码，是性能差距达到数千倍的核心原因。

优化方案 #

方案1：使用SymPy自带的lambdify接口 #

SymPy官方已经提供了将符号表达式编译为原生Julia函数的lambdify方法，无需自行实现符号替换逻辑，修改后的实现如下：

using SymPy

function string_to_function(fct_string)
    expression = sympify(fct_string)
    variables = free_symbols(expression)
    return lambdify(expression, variables)
end

该方案生成的函数性能相较原实现有数百到上千倍的提升，和手写原生函数的差距缩小到数倍以内，适合需要依赖SymPy符号处理能力的场景。

方案2：使用Julia原生元编程实现（性能最优） #

如果仅需要将合法的Julia表达式字符串转为可调用函数，不需要额外符号处理能力，可以直接跳过SymPy，使用Julia自带的语法解析能力生成原生函数，性能和手写函数几乎无差异：

function string_to_function(fct_string)
    expr = Meta.parse(fct_string)
    vars = Symbol.(sort(string.(union(Base.Meta.relative_exported_names(expr)...))))
    return eval(:($(Expr(:tuple, vars...)) -> $expr))
end

该方案生成的函数运行你的测试用例时，耗时和fast_fct基本一致，性能提升超过3000倍。

注意：方案2直接对输入字符串做解析执行，如果输入的表达式来自不可信来源，存在代码注入风险，这类场景优先选择方案1。

内容的提问来源于stack exchange，提问作者Felix