不加@cython.boundscheck(false)和@cython.wraparound(false)就白注解，因cython默认保留边界检查与负索引回绕，即使声明int[:]数组，下标访问仍走python层__getitem__路由和异常检查，导致类型注解无效、无法真正生成高效c数组访问代码。
为什么 @cython.boundscheck(False) 和 @cython.wraparound(False) 不加就白注解？
静态类型注解（如 cpdef int func(int x)）本身不自动禁用 Python 的安全检查。Cython 默认保留所有边界检查和负索引回绕行为，哪怕你已经把数组声明为 int[:] arr，每次下标访问仍会触发 Python 层的 __getitem__ 路由和异常检查。结果就是：类型注解写了，C 代码也生成了，但实际跑的还是带保护的“伪 C”路径。
必须显式关闭这两项：
-
@cython.boundscheck(False)：跳过arr[i]中对i 的运行时校验 -
@cython.wraparound(False)：禁用arr[-1]这类负索引转正逻辑，否则底层仍要分支判断
漏掉任意一个，密集循环中下标访问的开销可能吃掉 80% 以上的加速收益。这不是“建议开启”，而是“不关就不算真正编译成 C 数组访问”。
用 double[::1] 而不是 double[:] —— 内存连续性决定能否向量化
double[:] 表示任意 strided NumPy 数组（比如切片 a[::2]），Cython 无法假设内存连续，只能逐元素读取；而 double[::1] 明确要求 unit stride（步长为 1），编译器才能放心展开循环、启用 SIMD 指令。
常见误操作：
- 传入
a[100:200]给double[:]参数 → 合法，但慢 - 传入
a[100:200]给double[::1]参数 → 编译期报错：BufferError: Not a contiguous array - 正确做法：调用前确保是连续副本，
arr_c = np.ascontiguousarray(arr)
这个细节直接决定你的函数能否被 LLVM 自动向量化——没加 [::1]，再好的算法也卡在内存搬运上。
prange 并行循环里为什么不能用 Python 列表或全局变量？
from cython.parallel cimport prange 生成的是 OpenMP 并行循环，每个线程拥有独立的 C 栈帧。这意味着：
- 所有变量必须是局部 C 类型（
cdef int i,cdef double s = 0.0），不能是 Python 对象 - 不能往
list.append()里塞东西——GIL 虽被释放，但list是 Python 对象，多线程写会崩溃 - 不能读写模块级变量（如
global_result），除非加with nogil:+ 手动锁，得不偿失
正确模式是：每个线程算局部和，最后用 reduction(+ : total) 或手动合并数组。例如：
ctypedef fused real:
float
double
def parallel_sum(real[::1] arr):
cdef Py_ssize_t i, n = arr.shape[0]
cdef real total = 0.0
for i in prange(n, nogil=True, schedule='dynamic'):
total += arr[i]
return total
注意 nogil=True 必须显式写，否则 prange 退化为单线程。
编译时忘记 language_level=3 会导致字符串和整除行为意外
Cython 默认 language_level=2，按 Python 2 语义解析源码：/ 是整除（5/2 == 2），u"abc" 报错，f-string 不支持。这跟现代 Python 项目完全脱节，极易引发静默计算错误。
必须在 setup.py 的 Extension 中指定：
Extension("mymodule", ["mymodule.pyx"],
cython_directives={'language_level': 3})
或者在 .pyx 文件顶部加：
# cython: language_level=3
否则，哪怕你用 print(f"{x:.2f}")，Cython 会直接报语法错误；更隐蔽的是，10 / 3 在 Cython 里算成 3.0（Python 2 风格），而你在 Python 层调用时预期是 3.333... —— 这类 bug 极难定位。
性能飞跃的前提是语义正确。类型、内存、并行、语法四个层面，任一环节没对齐 Python 运行时的真实行为，加速比就只是幻觉。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
