Arrays Cython-定义二维数组

这是我试图优化的cython代码

    import cython
    cimport cython
    from libc.stdlib cimport rand, srand, RAND_MAX
    import numpy as np
    cimport numpy as np

    def genLoans(int loanid):
        cdef int i, j, k
        cdef double[:,:,:] loans = np.zeros((240, 20, 1000))
        cdef double[:,:] aggloan = np.zeros((240, 20))
        for j from 0<=j<1000:
            srand(loanid*1000+j)
            for i from 0<=i<240:
                for k from 0<=k<20:
                    loans[i,k,j] = rand()
                    ###some other logics
            aggloan[i,k] += loans[i,k,j]/1000
        return aggloan

导入cython
西姆波特赛顿酒店
来自libc.stdlib cimport rand、srand、rand_MAX
将numpy作为np导入
cimport numpy作为np
def genLoans（国际贷款）：
cdef int i，j，k
CDEFDouble[：，：，：]贷款=np.0（（240,20,1000））
cdef double[：，：]aggoan=np.zeros（（240,20））
对于0中的j，黄色部分是因为Numpy调用，在这里分配数组。您可以做的是将这些数组作为参数传递给函数，并在函数之间重用它们

另外，我看到你重写了所有的元素，所以你要求内存，用零写，然后输入数字。如果确定要覆盖所有元素，则可以使用不会初始化变量的
np.empty

注意：Linux内核有一种将内存分配到0的特殊方法，它比任何其他值都快，现代Numpy可以使用它，但它仍然比
empty
慢：

最后但并非最不重要的一点，您确定这是您的瓶颈吗？我不知道你在做什么处理，但黄色是C代码的行数，而不是时间。无论如何，从计时的角度来看，使用
empty
应该可以将速度提高四倍。如果您想要更多，请将其余代码发布到CR

编辑：

扩展我的第二句话：你的函数签名可以

def genLoans(int loanid, cdef double[:,:,:] loans,  cdef double[:,:] aggloan):

在循环之前初始化数组，然后一次又一次地传递它们

在任何情况下，在我的机器（Linux Intel i5）中，它需要9µs，因此您总共要花费45毫秒。这绝对不是您的瓶颈。个人资料
 如果在pyx中，我定义了“cdef double[：]zeros=np.zeros（360）”，会有什么不同吗。那么我把agcoan=0？每次调用该函数时，这会使我的速度变慢吗？您的评论似乎不完整，@kaiyan711I是从python中的循环调用该函数的。确实，在python中循环将消耗更多的时间，但是python在读取文本文件和从数据库中读取时更方便。另一种方法是将所有文件内容作为数组传递到cython并在那里循环。只是想知道其他人会如何处理它…@kaiyan711我已经解释了一种绕过它的方法，但我确信你是在错误的树上吠叫（它花费你整个运行时间的毫秒）。如果可以的话，在CodeReview上发布代码，我们可以看一下。把我放在这里，这样我就不会错过了。
def genLoans(int loanid, cdef double[:,:,:] loans,  cdef double[:,:] aggloan):