Numpy 如何知道scipy函数是否使用C代码？

有人知道scipy.signal.argrelmax和scipy.integrate.simps是在源代码中使用C代码，还是在纯python中？我想加快使用Numba的速度，所以问一下

---

通过几个级别的调用进行跟踪，看起来

argrelmax

最终使用以下循环：

def _boolrelextrema(data, comparator...)
    # comparator - a function
    ....
    results = np.ones(data.shape, dtype=bool)
    main = data.take(locs, axis=axis, mode=mode)
    for shift in xrange(1, order + 1):
        plus = data.take(locs + shift, axis=axis, mode=mode)
        minus = data.take(locs - shift, axis=axis, mode=mode)
        results &= comparator(main, plus)
        results &= comparator(main, minus)
        if(~results.any()):
            return results

    order :  How many points on each side to use for the comparison

因此，如果

顺序
不是很大，则迭代量很小，并且不会对速度产生太大影响

simps
安装程序使用后

def _basic_simps(y,start,stop,x,dx,axis):
    nd = len(y.shape)
    if start is None:
        start = 0
    step = 2
    all = (slice(None),)*nd
    slice0 = tupleset(all, axis, slice(start, stop, step))
    slice1 = tupleset(all, axis, slice(start+1, stop+1, step))
    slice2 = tupleset(all, axis, slice(start+2, stop+2, step))

    if x is None:  # Even spaced Simpson's rule.
        result = add.reduce(dx/3.0 * (y[slice0]+4*y[slice1]+y[slice2]),
                                    axis)
    else:
        # Account for possibly different spacings.
        ...
    return result

通过使用带有预定义切片集的
add.reduce
，我想这是最快的了

因此，这些不是在
C
中专门编码的，但是它们有效地利用了
numpy
矢量化操作。我的猜测是，使用
numpy
和/或
cython
来加速它们将需要大量的工作，除非你关注一些特殊情况。
我认为大多数scipy实际上是包装的Fortran库（而不是C）。
argrelmax
是在中定义的<“代码>simps
是在中定义的。在您提供的链接中，实际上有指向源代码的链接。查看源代码，我很难确定它们是使用C还是Fortran，有什么想法吗。@WarrenWeckesser查看源代码，我很难弄清楚他们是使用C语言还是Fortran语言，有什么想法吗