Python 使用fortran和f2py在数组中搜索比np更快的值，其中（ar==value）

我试图使用np.where来定位numpy数组中的一个值的索引（数百个数组也是如此）。它不是那么慢，但它是一个瓶颈，所以我开始用fortran和f2py进行实验，并编写了这个简单的例程

subroutine find_index(array1, num_elements, target_value, loc)
    real, intent(in) :: array1(:)
    integer, intent(in) :: num_elements, target_value
    integer, intent(out) :: loc
    do i = 1, num_elements
        if (array1(i) .eq. target_value) then
            loc = i
            exit
        endif
    end do
end subroutine

但仍然没有改进（与np.where相同）。所以我想这是关于方法的。对改进代码（python或fortran）有什么建议吗

编辑

---

我正在搜索的值是整数数组中的整数

自从我使用fortran和f2py以来，已经有一段时间了，但去年我用cython做了类似的事情

在匈牙利算法搜索问题中，我需要根据行和列掩蔽数组在2d数组中查找第一个0值

因此，使用

where

（

argwhere

只是

np.transpose（np.where（…）

），函数是：

def find_a_zero(self):
    # find first uncovered 0 cost
    rc = np.argwhere((self.cost + self.rc[:,None] + self.cc) == 0)
    if rc.shape[0]>0:
        return tuple(rc[0])
    else:
        return None, None

我通过

argmax

获得了很好的加速：

def find_a_zero(self):
    # big help time wise, 16->10 for n=200
    cond = (self.cost + self.rc[:,None] + self.cc) == 0
    if np.count_nonzero(cond):
        idx = np.unravel_index(np.argmax(cond), cond.shape)
        return idx
    return None, None

np.其中

使用

count\u nonzero

来确定其返回数组的大小。

argmax

，当对布尔值进行操作时，第一个

上的短路为True

我用这个

cython

版本获得了更好的速度：

cdef find_a_zero(int[:,:] cost, int[:] row_cover, int[:] col_cover):
    n = cost.shape[0]
    m = cost.shape[1]
    cdef size_t r, c
    for r in range(n):
        for c in range(m):
            if (cost[r,c]==0) and (row_cover[r]==0) and (col_cover[c]==0):
                row = r
                col = c
                return r, c
    return -1, -1

如果我对

cython

的内存是正确的，那么像

int[：，：]cost

这样的定义将调用其类型化的memoryview。它具有高效的低级数组操作

---

类似于y=minloc（abs（array1-target_值））并检查数组是否为（y）==目标值。请注意，与浮点值的比较应使用较小的增量！为什么ypu认为cslling Fortran会更快？当然numpy例程是用C或Fortran实现的，并经过了彻底优化。此外，我在回答中澄清了我正在搜索的值是整数。RRAY1仍然是real类型。请DO不要用大写字母尖叫！显示的代码中的变量

array1

声明为

real

，无论使用多大的字母。