Python Numpy：卷积、代码优化

在我目前正在开发的python代码中，有一个特定的函数确实需要速度优化。 首先，我想关注纯python代码（没有C或Cython实现）。 该函数生成一系列高斯曲线，其σ随x轴位置而变化。它有三个论点：

x0，1d numpy数组，高斯曲线的中心值

h，一维numpy阵列，高斯曲线的高度

x，1d numpy数组，用于定义总和的值

我的目标是以最快的方式获得所有曲线的总和（这是一种与高斯曲线的卷积，具有位置相关的sigma）

目前我的代码是：

sigs = get_sigmas(x0)  # function that returns the value of sigma at each position

all_gauss_args = -0.5*np.power((x[:, np.newaxis] - x0[np.newaxis, :]) /
                 sigs[np.newaxis, :], 2.0)

sum = (1.0/(np.sqrt(2 * np.pi) * sigs[np.newaxis, :])) * np.exp(all_gauss_arg) *\
             h[np.newaxis, :]

sum = np.sum(sum, axis=1)
return sum

有可能使它更快吗

---

提前感谢您的帮助

尝试内联

np.power（（x[：，np.newaxis]-x0[np.newaxis，：]）/sigs[np.newaxis，：]，2.0）

，也就是说，与其执行

np.power（x，2）

write

x*x

，它应该运行得更快。谢谢您的建议！我仍然远远没有达到我想要达到的速度，但是由于对代码的修改，我的速度有了轻微的提高。我放弃使用Cython或C++的想法，以便有一个显著的速度提升（即使，据我所知，NUMPY已经使用了很多Cython……我不知道我能得到多少更好）。