Numpy numba：对数组进行适当排序

Numba具有通过JIT编译加速循环的惊人能力。然而，关键在于，当使用numpy时。幸运的是，大多数numpy函数都包含一个可选的

out

参数，用于将输出写入--

numpy.sort

除外。最明显的选择是

numpy.ndarray.sort

，它已经就位

@njit（“void（f8[：]））
def分拣_就地（arr）：
arr.sort（）

但是这个没有编译,

。。。
...
...
/传播（self）中的Users/duckworthd/anaconda/lib/python2.7/site-packages/numba/typeinfer.pyc
293打印（“传播”。中心（80'-））
294 oldtoken=newtoken
-->295 self.constraints.propagate（self.context，self.typevars）
296 newtoken=self.get\u state\u token（）
297如果config.DEBUG：
/传播中的Users/duckworthd/anaconda/lib/python2.7/site-packages/numba/typeinfer.pyc（self、context、typevars）
112提高
113例外情况除外，如e：
-->114 raise TYPENGERROR（“内部错误：\n%s”%e，CONSTRAINT.loc）
115
116
打字机错误：内部错误：
数组（float64，1d，A）的属性“sort”未键入

---

除了重新实现排序算法之外，有没有办法在JIT编译的numba循环中对numpy数组进行排序？

numba应该能够在“nopython”模式下编译，但遗憾的是，我们还没有添加对ndarray.sort（）的支持。它以“python”模式编译，虽然速度较慢，因为它必须经过python对象层，但由于它看起来像ndarray.sort（）是用C实现的，所以可能没有多大区别。我继续在numba的github问题跟踪器中添加了一个

另一件需要注意的事情是，如果可能的话，numba将以nopython模式编译循环，而函数的其余部分则以python模式编译。这允许您使用不受支持的函数（如ndarray.sort（））和函数（如numpy.arange（））创建并返回新数组，同时仍然具有快速编译循环（只要您没有在循环中调用ndarray.sort（）或numpy.arange（），但如果性能是一个大问题，您可能无论如何都不想这样做）

---

总而言之：在numba正确支持在nopython模式下调用ndarray.sort（）之前，您可以使用jit装饰器而不是njit装饰器，只要您不在循环中对数组进行排序。

看起来像

arr.sort

是C代码，而不是Python循环。排序（a）只需复制一份

a

，并对其进行排序。那么有什么可以加速呢？为了有效地将向量投影到1-范数球上，对向量进行排序是一个必要的子例程。看，我不是在质疑你需要什么。相反，我想知道这是否是麻木可以加速的事情。如果它已经被编译过，那么它的速度已经达到了极限。您可以使用

kind

参数的不同值。谢谢@jayvius！我想要调用的

np.sort

嵌套在一个“nopython”模式循环中，所以我继续实现了冒泡排序，只是为了让事情顺利进行。如果我使用“python”模式，相对于纯python基线，性能实际上更差，但是使用“nopython”模式，我的速度提高了200倍！见相关代码：