Pybind11：返回C+中的大数组+；函数显著增加了python中的计算时间 我编写了一个C++脚本，使用pybDun11来实现Python中的C++函数。当从Python调用时，C++函数需要大约4秒才能终止。C++函数返回长度为54.34×38的大数组。 出于好奇，我修改了C++函数，并返回了一个长度为7373的不同数组，而不改变代码中的任何其他内容。现在C++函数以1秒结束。因此，当我理解到，对象从C++到Python的传输成为一个巨大的瓶颈，因为对象的大小增加了。

有没有更聪明的方法来处理这个问题？也许和指针一起工作？（我对C++和PybDin 11完全陌生）

#包括
#包括
#包括
#包括
#包括
名称空间py=pybind11；
std:：vector isoCdf_seq（std:：vector array_w，std:：vector w，std:：vector Y，std:：vector posY，std:：vector array_Y）{
std：：载体CDF；
CDF.准备金（m*mY）；
//一些代码
返回CDF；

它正在构建一个具有大量开销的Python浮点列表。我建议在Python端使用NumPy数组，如下所述：

---

通过这种方式，您可以一次性分配数组内存，Python可以将其作为NumPy数组引用，而无需分配5400万个微小对象和对它们的引用。

它正在构建一个具有大量开销的Python浮点列表。我建议在Python端使用NumPy数组，如下所述：

---

这样，你可以分配一次数组内存，Python可以将它作为一个麻木数组引用，而不分配5400万个小对象和引用。

完美和一个快速的后续问题：当用Python中的NUMPY数组作为C++函数输入时，另一种方法又如何呢？这也会导致大量的开销吗？例如，传输C连续的NUMPY数组而不是普通的NUMPY数组更快（在C++中，然后使用STD::MMECPY）将NP数组转换成C++对象：EVVA：您应该尝试将Python数组从Python传递到C++，然后直接访问它的内存，将其拷贝（或者复制到向量中，同样的事情）。如果你真的需要一个拷贝，无论C++是否接收到完整的NoPy对象数组、Python缓冲区或MyMyVIEW视图，或者是指向数据加上大小的指针，任何避免将其序列化为新存储格式的东西都会有帮助。但是，没有什么比序列化到Python列表慢了。另一方面，当使用Python中的NUMPY数组作为C++中的函数输入时，这也会导致大量开销吗？例如，传输C连续的NUMPY数组而不是常规的NUMPY数组是否更快？（在C++中，然后使用STD:MEMCPY将NP数组转换成C++对象）@ EVVA：你应该尝试把Python数组从Python传递到C++，然后直接访问它的内存，将它拷贝（或者复制到向量中，同样的东西）。只有当你真的需要一个拷贝。C++是否接收到数组作为完整的NUMPY对象、Python缓冲区或MyMyVIEW，或者指向数据加上大小的指针，任何避免将其序列化为新的存储格式的方法都会有所帮助。但是，没有什么比序列化到Python列表慢了。

#include <pybind11/pybind11.h>
#include <pybind11/numpy.h>
#include <pybind11/stl.h>
#include <vector>
#include <numeric>

namespace py = pybind11;

std::vector<double> isoCdf_seq(std::vector<double> array_w, std::vector<double> W, std::vector<double>  Y, std::vector<int>  posY, std::vector<double>  array_y) {

std::vector<double> CDF;
CDF.reserve(m * mY);

// some code

return CDF;