在加速Python时，有没有更好的方法来使用cython

Question

我有一个大的numpy数组，其结构如下：

array([['A', 0.0, 0.0],
['B2', 1.0, 0.0],
['B4', 2.0, 3.0],
['AX1', 3.0, 1.0],
['C2', 0.0, 2.0],
['D3', 2.0, 1.0],
['X4', 3.0, 8.0],
['BN', 2.0, 9.0],
['VF', 12.0, 25.0],
['L', 1.0, 3.0],
...,
['s', 2.0, 27.0],
['P', 0.0, 0.0]], dtype=object)

我正在使用cython来尽可能加快处理速度。下面代码中的参数数据集就是上面的数组。

%%cython
cpdef permut1(dataset):
cdef int i
cdef int j
cdef str x
cdef str v
xlist = []
for i, x in enumerate(dataset[:,0]):
for j, v in enumerate(dataset[:,0]):
xlist.append((x,v,dataset[i][1], dataset[j][2]))
return xlist

然而，当在有和没有cython的情况下运行上述代码时，我会得到以下时间：

无cython:00:00.945872

与cython:00:00.561925

有什么想法我可以使用cython来加快速度吗？

感谢

Answer 1

通常使用numpy，您需要：

• 将相同的数据类型放入数组中(避免使用dtype=object，并为字符串使用单独的数组(。否则，每个元素访问都必须在内部测试数据类型，这会减慢速度。赛顿也是如此。

• 避免按元素访问，而是只对整个数组使用操作。对于您的情况，考虑在整数数组中建立索引，并将输入数组的索引表示为一个操作。

例如：

a = np.array(..., dtype=np.float) # input number columns only from above
fa = a.flatten()  # helps to use 1d indices
far = fa.reshape((fa.shape[0], 1))  # make 2d for hstack()
idxs = np.indices((a.shape[0], a.shape[0]))
idxs1 = idxs[0].flatten()  # 0,0,0,1,1,1,...
idxs2 = idxs[1].flatten()  # 0,1,0,1,...
np.hstack((far[idxs1], far[idx2]))

不需要cython(除非您真的需要复杂的元素计算(。

由于您之前使用O(n^2(运算进行了迭代，因此即使您首先必须将输入数组转换为此格式，上述操作也应该达到加速效果。