用Python加速数学计算_Python_Arrays_Math_Numpy_Cython

用Python加速数学计算

python arrays math numpy

用Python加速数学计算,python,arrays,math,numpy,cython,Python,Arrays,Math,Numpy,Cython,我目前正在尝试优化一个程序。主要的瓶颈实际上是在numpy阵列上运行的相当简单的单线计算，例如： (p-1) * c**(p-1)/(v_dt+c)**p （这里的p&c是浮点数和v_dt a~500长浮点数阵列）在我的机器上，这个计算大约需要1/50秒（使用timeit计时：1000个循环，每个循环的最佳时间为3:21.8毫秒）问题是这个小函数（我还有其他几个类似的函数）在循环中每次迭代调用500次，循环的运行次数在100次左右。所以这一小行突然给我的运行时间增加了20分钟在pyth

我目前正在尝试优化一个程序。主要的瓶颈实际上是在numpy阵列上运行的相当简单的单线计算，例如：

(p-1) * c**(p-1)/(v_dt+c)**p

（这里的p&c是浮点数和v_dt a~500长浮点数阵列）

在我的机器上，这个计算大约需要1/50秒

（使用timeit计时：1000个循环，每个循环的最佳时间为3:21.8毫秒）

问题是这个小函数（我还有其他几个类似的函数）在循环中每次迭代调用500次，循环的运行次数在100次左右。所以这一小行突然给我的运行时间增加了20分钟

在python中加速数学计算的最佳方法是什么？使用python技巧可以完成多少工作？我已经研究过c_类型，可能还有Cython，但我如何使用它们呢？我是否需要为这些瓶颈函数编写c代码，或者我是否可以使用已经编译过的库（我没有使用c的经验）

非常感谢

编辑：

我忘了提到，我已经在研究循环的并行化选项，但仍然希望直接加速这些瓶颈函数，因为这是性能关键代码，在我的天真测试中，这看起来并不那么昂贵：

In [65]: p,c =2.,2.
In [66]: v_dt=np.ones(500)*1.5
In [67]: x=(p-1)*c**(p-1)/(v_dt+c)**p
In [68]: timeit x=(p-1)*c**(p-1)/(v_dt+c)**p
10000 loops, best of 3: 23.5 µs per loop

使用不同的

和

In [77]: p,c =2.123,1.324
In [78]: timeit x=(p-1)*c**(p-1)/(v_dt+c)**p
10000 loops, best of 3: 95.9 µs per loop

大部分时间是在向量幂运算中：

In [82]: %timeit v_dt**p
10000 loops, best of 3: 75.5 µs per loop

（这是Windows7 vintage的Centron笔记本电脑）

这不是那种

cython

或其他自己动手编译的代码可以做得更好的计算

numpy

已经过优化，可以有效地执行这样的数学运算

我认为你需要从大局出发。为什么需要经常打电话？使用较大的阵列是否可以减少调用次数

在我的天真测试中，这看起来并不那么昂贵：

In [65]: p,c =2.,2.
In [66]: v_dt=np.ones(500)*1.5
In [67]: x=(p-1)*c**(p-1)/(v_dt+c)**p
In [68]: timeit x=(p-1)*c**(p-1)/(v_dt+c)**p
10000 loops, best of 3: 23.5 µs per loop