Python 如何在Cython中键入生成器函数？

如果我有Python中的生成器函数，请说：

def gen(x):
    for i in range(x):
        yield(i ** 2)

如何在Cython中声明输出数据类型为

int

？值得花点时间吗

谢谢

编辑：我读到变更日志中提到的（异步）生成器：

---

但是，没有关于如何使用它们的文档。这是因为它们受支持，但在Cython中使用它们没有特别的优势，或者不可能进行优化？

不，在Cython中没有这样做的方法

当您查看Cython生成的代码时，您将看到

gen

（和其他生成器函数）返回一个生成器，它基本上是一个

\uuuupyx\uCoroutineObject

对象，它：

最重要的部分是

主体

-成员：这是执行实际计算的函数。正如我们所看到的，它返回一个

PyObject

，并且没有办法（还？）将其调整为

int

、

double

或类似的格式

至于没有这样做的原因，我只能猜测——但可能不止一个原因

如果您真的关心性能，那么生成器无论如何都会引入太多的开销（例如，

yield

在

cdef

-函数中是不可能的），应该重构为更简单的函数

---

详细说明可能的重构。作为基线，我们假设我们要总结所有创建的值：

%%cython 
def gen(int x):
    cdef int i
    for i in range(x):
        yield(i ** 2)

def sum_it(int n):
    cdef int i
    cdef int res=0
    for i in gen(n):
        res+=i
    return res

时间安排导致：

>>> %timeit sum_it(1000)
28.9 µs ± 1.06 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

好消息是：它的速度大约是纯python版本的10倍，但如果我们真的追求速度：

%%cython 
cdef int gen_fast(int i):
    return i ** 2

def sum_it_fast(int n):
    cdef int i
    cdef int res=0
    for i in range(n):
        res+=gen_fast(i)
    return res

它是：

>>> %timeit sum_it_fast(1000)
661 ns ± 20.7 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

大约快50倍

我明白，这是一个相当大的变化，可能很难做到——只有当这真的是我计划的瓶颈时，我才会这么做——但加速50将是真正的动机

---

显然还有很多其他方法：使用numpy数组或

array.array

而不是生成器，或者编写自定义生成器（cdef类），这将提供额外的快速/高效的可能性来获取

int

-值，而不是

PyObjects

，但这一切都取决于您手头的场景。我只是想表明，通过丢弃发电机，有可能提高性能。

谢谢你的回答。我的印象是，发电机通常效率更高，至少在内存方面。所以，如果我要重构我的函数以返回，比如说一个集合或一个列表，我应该声明哪种返回类型？@user3758232我详细阐述了我所说的“重构”的含义。如果返回整个数据，我会选择

array.array

或numpy数组，因为它们存储的不是Python对象，而是原始整数/双精度数等等-所需内存更少，速度更快。非常非常有用。谢谢实际上，我已经有了一个内部函数，我可以按照你建议的方式优化它，还有一个外部循环，它也可以被多次调用。为此，我可以查看数组。

>>> %timeit sum_it_fast(1000)
661 ns ± 20.7 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)