Python是一个带有if语句的jit函数

我有一个包含3个部分的分段函数，我正试图用Python使用Numba@jit指令编写它。函数是通过数组计算的。该功能的定义如下：

@njit(parallel=True)
def f(x_vec):
    N=len(x_vec)
    y_vec=np.zeros(N)
    for i in prange(N):
        x=x_vec[i]
        if x<=2000:
            y=64/x
        elif x>=4000:
            y=np.log(x)
        else:
            y=np.log(1.2*x)
        y_vec[i]=y
    return y_vec

对于完成论，称为以下库：

import numpy as np
from numba import njit, prange

因此，在这种情况下，功能将是：

def f1(x):
    return 64/x
def f2(x):
    return np.log(x)
def f3(x):
    return np.log(1.2*x)

实际函数为以下函数，用于层流、过渡和湍流状态下的光滑管道摩擦系数：

@njit
def f1(x):
    return 64/x

@njit
def f2(x):
    #x is the Reynolds number(Re), y is the Darcy friction(f)
    #for transition, we can assume Re=4000 (max possible friction)
    y=0.02
    y=(-2/np.log(10))*np.log(2.51/(4000*np.sqrt(y)))
    return 1/(y*y)

@njit
def f3(x): #colebrook-white approximation
    #x is the Reynolds number(Re), y is the Darcy friction(f)
    y=0.02
    y=(-2/np.log(10))*np.log(2.51/(x*np.sqrt(y)))
    return 1/(y*y)

谢谢大家的贡献。这是numpy解决方案（由于某些原因，最后的树线速度较慢，但不需要预热）：

y=np.empty\u like（x\u vec）
a1=np.其中（x_vec=4000，真，假）
a2=~（a1 | a3）
y[a1]=f1（x_向量[a1]）
y[a2]=f2（x_向量[a2]）
y[a3]=f3（x_vec[a3]）

最快的Numba解决方案，允许传递函数名并利用prange（但受到jit预热的阻碍），可以与第一个解决方案一样快（问题之首）：

@njit（parallel=True）
定义f（x_向量，f1，f2，f3）：
N=len（x_vec）
y_vec=np.零（N）
对于prange中的i（N）：
x=x_向量[i]
如果x=4000：
y=f3（x）
其他：
y=f2（x）
y_vec[i]=y
返回y_vec

这太慢了吗？这可以在纯numpy中完成，方法是避免循环并使用掩码进行索引：

def f(x):
    y = np.empty_like(x)
    
    mask = x <= 2000
    y[mask] = 64 / x[mask]
    
    mask = (x > 2000) & (x < 4000)
    y[mask] = np.log(1.2 * x[mask])
    
    mask = x >= 4000
    y[mask] = np.log(x[mask])

    return y

我得到（带6+6VT内核的i7-8850H笔记本电脑）

如果您预期的子功能主要是numpy操作，这仍然很快。

您可以编写

f（）

来接受功能参数，例如：

@njit
def f(arr, f1, f2, f3):
    N = len(arr)
    y_vec = np.zeros(N)
    for i in range(N):
        x = x_vec[i]
        if x <= 2000:
            y = f1(x)
        elif x >= 4000:
            y = f2(x)
        else:
            y = f3(x)
        y_vec[i] = y
    return y_vec

@njit
def f（arr、f1、f2、f3）：
N=长度（arr）
y_vec=np.零（N）
对于范围（N）中的i：
x=x_向量[i]
如果x=4000：
y=f2（x）
其他：
y=f3（x）
y_vec[i]=y
返回y_vec

---

确保您传递的函数与Numba兼容。

如果您的子函数也被（并且可以）写入，它们仍然会很快。您可能还想使用

numba.prange

而不是

range

。为了能够回答这个问题，我们可能需要查看您想要的子功能

f1

、

f2

和

f3

。@JanChristopherasa the prange已经让它变得更快了。f1、f2和f3与问题中定义的相同。我在问题中添加了子功能。（我可以发布实际的函数，但它们可能很长，但它们基本上是由一堆乘法和日志调用组成的）。如果使用

math.log（），可能会快一点在标量参数的NUBBA中，也考虑选项内联=“总是”来始终内嵌这些小函数和ErrRoMyMease=“NoMPY”，通过零校验来禁用除法，这也有一些开销。另外，在覆盖每个条目之前用零初始化
y_vec
，没有多大意义。用
np.empty
分配内存就足够了。谢谢Jan，这非常有帮助，事实上，你的回答回答了我很久以来一直在想的一个问题，即使用mask，我可以将函数实际应用到数组的一部分，并完全避免if条件（这是一种奇特的索引，对吧？）。这仍然比jit实现慢，但我可能会发现它的用处，特别是如果我用f1、f2和f3与jit一起尝试的话。可以使用ufuncs的
where
参数，而不是布尔索引，以提高速度。另外，为其中两个条件定义mask1和mask2。我很确定
~（mask1 | mask2）
是获取else掩码的一种更快的方法。也可以用单个buffer@dani. 布尔索引。奇特的索引是整数索引。如果使用最快的计算（即
64/x
）作为基本情况，您可能会获得更快的
f_else
。@Mad物理学家感谢
where
提示，非常有用@也许是诺洛克。我并没有特别优化速度，我只是想证明，对于可以用纯numpy表述的问题，通常不需要NUBA。如果JIT的“预热”时间支配着您的运行时间，则尤其如此。此外，您可能还希望参数化阈值。谢谢，它也可以在不传递函数名的情况下工作。但是我想传递名称会给我以后更多的灵活性，因为我将能够传递不同的函数给它。
@njit(parallel=True)
def f(x_vec,f1,f2,f3):
    N = len(x_vec)
    y_vec = np.zeros(N)
    for i in prange(N):
        x=x_vec[i]
        if x<=2000:
            y=f1(x)
        elif x>=4000:
            y=f3(x)
        else:
            y=f2(x)
        y_vec[i]=y
    return y_vec

def f(x):
    y = np.empty_like(x)
    
    mask = x <= 2000
    y[mask] = 64 / x[mask]
    
    mask = (x > 2000) & (x < 4000)
    y[mask] = np.log(1.2 * x[mask])
    
    mask = x >= 4000
    y[mask] = np.log(x[mask])

    return y

def f_else(x):
    y = np.log(1.2 * x)
    
    mask = x <= 2000
    y[mask] = 64 / x[mask]
    
    mask = x >= 4000
    y[mask] = np.log(x[mask])

    return y

Np=10000000
x_vec=100*np.power(1e8/100,np.random.rand(Np))

f1: 1 loop, best of 5: 294 ms per loop
f_else: 1 loop, best of 5: 400 ms per loop

@njit
def f(arr, f1, f2, f3):
    N = len(arr)
    y_vec = np.zeros(N)
    for i in range(N):
        x = x_vec[i]
        if x <= 2000:
            y = f1(x)
        elif x >= 4000:
            y = f2(x)
        else:
            y = f3(x)
        y_vec[i] = y
    return y_vec