用途：Numba 是面向 Python 的即时（JIT）编译器，由 Anaconda 开发，把一部分 Python 与 NumPy 代码翻译为快速机器码，主要用于加速数值计算中的循环与数组操作。当 NumPy 内置向量化不足以覆盖算法、存在复杂嵌套循环、需要自定义逐元素 ufunc、进行高性能物理模拟（蒙特卡洛、N 体、网格求解器）、在 NVIDIA GPU（CUDA）上执行或需要多核并行时适用。
主要能力：nopython 模式（@njit）是推荐方式，编译时不经过 Python C-API，速度最高，无法编译时会报错；JIT 在首次调用时编译并缓存机器码；面向 NumPy 数组，理解其内存布局；支持 @njit(parallel=True) 配合 prange 自动多线程；@vectorize 创建支持广播的 ufunc；numba.typed 提供 List、Dict 等容器；numba.cuda 可编写 CUDA 内核。
使用方式：安装命令为 pip install numba。常用导入为 import numpy as np 与 from numba import njit, prange, vectorize, guvectorize, cuda。基本模式是用 @njit 装饰函数，首次调用编译、后续调用复用；并行用 @njit(parallel=True) 与 prange；缓存用 @njit(cache=True)；可用 inspect_types() 检查是否回退到对象模式。
限制与注意：nopython 模式不支持字符串、字典、自定义类等 Python 对象，也不能在 @njit 内使用 pandas、matplotlib、requests 等库；不要对微小函数使用 JIT，调用开销可能超过收益；全局变量在编译时被捕获，修改后不会影响已编译函数，应作为参数传入；并行下随机数需注意每线程独立流；避免在热循环内分配数组，应预分配或作为参数传入。官方文档见 https://numba.pydata.org/numba-doc/latest/index.html，用户指南见 https://numba.pydata.org/numba-doc/latest/user/index.html。