Indexing Cython针对numpy阵列的额外键入和cimport会降低性能吗？

下面是我写的两个简单的Cython方法。在g_cython（）方法中，我对numpy数组a和b使用了额外的类型，但令人惊讶的是，g_cython（）比g_less_cython（）慢两倍。我想知道为什么会这样？我想加上它会使a和b上的索引速度更快吗

另外，我知道这两个函数都可以在numpy中矢量化——我只是在探索cython的优化技巧

import numpy as np; 
cimport numpy as np;

def g_cython(np.ndarray[np.int_t, ndim = 1] a, percentile):
    cdef int i
    cdef int n = len(a)
    cdef np.ndarray[np.int_t, ndim = 1] b = np.zeros(n, dtype = 'int')
    for i in xrange(n):
        b[i] = np.searchsorted(percentile, a[i])
    return b


def g_less_cython(a, percentile):
    cdef int i
    b = np.zeros_like(a)
    for i in xrange(len(a)):
        b[i] = np.searchsorted(percentile, a[i])
    return b

我的测试用例是当len（a）==1000000和len（百分位数）=100时

---

我测试了你的代码，g_cython比g_less_cython稍微快一点

这是测试代码

import pyximport; pyximport.install()
import search_sorted
import numpy as np
import time
x = np.arange(100000, dtype=np.int32)
y = np.random.randint(0, 100000, 100000)

start = time.clock()
search_sorted.g_cython(y, x)
print time.clock() - start

start = time.clock()
search_sorted.g_less_cython(y, x)
print time.clock() - start

输出为：

0.215430514708
0.259622599945

我关闭了boundscheck和wraparound标志：

@cython.boundscheck(False)
@cython.wraparound(False)
def g_cython(np.ndarray[np.int_t, ndim = 1] a, percentile):
    ....

---

差异并不显著，因为np.searchsorted（percentile，a[i]）的调用是占用大部分CPU的关键部分。

对我来说，你的代码不是按照编写的方式构建的-你需要一个numpy的导入和cimport，在第4行，你需要将类似于

dtype=int

的东西传递给

np.zero

，否则它会创建一个双精度数组（尽管这可能取决于cython的版本？）。此外，如果您提供了一个典型的使用示例，也会有所帮助。无论如何，如果您想比较cython在每种情况下所做的工作，您可以使用

cython-a

构建该文件，该文件提供了一个格式良好的html文件，在该文件中，单击python代码行可以显示相应生成的C代码。@James感谢您的回复。我跳过了cimport和import部分，因为我认为在代码中发布这些行会分散注意力。我添加了数据类型部分。谢谢您的回复。即使对于你的测试用例，我仍然没有得到你的结果。g_less_cython（）更快。我发布了我的测试用例。顺便问一下，你使用的是什么平台？我不认为time.clock（）有多高的精确度？我用的是windows XP，time.clock（）足够精确，

@cython.boundscheck(False)
@cython.wraparound(False)
def g_cython(np.ndarray[np.int_t, ndim = 1] a, percentile):
    ....