Python 加速numpy小函数

这个小函数在应用程序中被多次调用，与Matlab中的相同代码实现相比，运行速度非常慢。在那里，它的工作速度可能要快10-100倍，所以我想知道在python/numpy中它在哪里可以改进

def ahamming(n,mid):
    data = np.zeros(n)
    wid1 = mid - 1
    wid2 = n - mid
    wid = max(wid1,wid2)

    for i in range(n):
        arg = (i+1) - mid;
        data[i] = np.cos((np.pi*arg)/wid);
    return 0.54 + 0.46*data

Numpy可以从中提供一些提示

##参考上面链接的numpy实现
戴夫·汉明（M）：
如果M<1：
返回数组（[]））
如果M==1：
返回一个（1，浮动）
n=arange（0，M）
返回0.54-0.46*cos（2.0*pi*n/（M-1））#重要性

这是一个简单的矢量化方法。使用numpy阵列的好处是可以避免循环并利用numpy的速度

可以按如下方式替换循环：

def ahamming(n,mid):
    data = np.zeros(n)
    wid1 = mid - 1
    wid2 = n - mid
    wid = max(wid1,wid2)

    i = np.arange(n)
    arg = (i+1) - mid
    data = 0.54 + 0.46*np.cos((np.pi*arg)/wid)

    return data

效率稍微高一点，但可能不够直观

i = np.arange(1, n+1)
arg = i - mid

---

编辑：速度结果在中。n=500的循环版本需要3.97秒进行10000次计算。numpy版本工具0.10秒，速度快了40倍。

谢谢，我刚刚发现np.cos函数可以在整个阵列上工作，而且速度快得多。此外，修复了缺失的部分。因为这很简单，我不确定我现在是否应该删除这个问题。这就是numpy的全部要点。始终对整个阵列执行任何算术运算。这就是为什么

i

是数组时

i+1

起作用的原因。如果它是一个列表，它就不会。