Python 为什么Numba无法编译此函数？

我正在尝试使用Numba编译以下函数：

@njit(fastmath=True, nogil=True)
def generate_items(array, start):
    array_positions = np.empty(SIZE, dtype=np.int64)
    count = 0
    while count < SIZE - start:
        new_array = mutate(np.empty(0, dtype=np.uint8))

        if len(new_array) > 0:
            array_positions[count] = len(array)  # <<=== FAILS HERE
            array = np.append(array, np.append(new_array, 255))
            count += 1

    return array, array_positions

这似乎没有意义，因为我只是将一个

int

（len上的结果）赋值给一个

dtype

为

np.int64

的数组

请注意，

array

的类型为

np.uint8

——但我没有分配数组本身，因此此消息对我来说毫无意义

我试图重构为：

tmp = len(array)  # <<=== FAILS HERE
array_positions[count] = tmp  

---

tmp=len（array）#第一个问题是您使用了不受支持的函数
mutate
（）。
接下来，正如错误所说，您尝试在中添加具有不同数据类型的数组

np.append(array, np.append(new_array, 255))

其中
数组
的类型为
int64
，而
new_数组
保存的值类型为
uint8
。如果您使用了
@jit
，它会向您显示一个下降到
对象
模式的警告，但是由于您使用
@njit
装饰器强制执行了
非Python
模式，因此它会抛出一个错误。
干杯。
第一个问题是您使用了不受支持的函数
mutate
（）。
接下来，正如错误所说，您尝试在中添加具有不同数据类型的数组

np.append(array, np.append(new_array, 255))

其中
数组
的类型为
int64
，而
new_数组
保存的值类型为
uint8
。如果您使用了
@jit
，它会向您显示一个下降到
对象
模式的警告，但是由于您使用
@njit
装饰器强制执行了
非Python
模式，因此它会抛出一个错误。
干杯。
这是否回答了您的问题？不，那是另一个问题。。在这个例子中我没有使用concatenate。
np.append
使用
np.concatenate
。我不确定是否使用
numba
，但在循环中使用
np.append
（或任何串联/堆栈系列）是一个坏主意-速度慢，而且通常很难正确。我们建议将数组收集到一个列表中，并在最后进行一次连接。花几分钟时间查看
np.append
的python代码。您将看到，即使在
numpy
中，它也不是一个很好的函数。另一件事，在
numba
中使用
concatenate
时，给它一个元组参数，而不是列表。这是否回答了您的问题？不，那是另一个问题。。在这个例子中我没有使用concatenate。
np.append
使用
np.concatenate
。我不确定是否使用
numba
，但在循环中使用
np.append
（或任何串联/堆栈系列）是一个坏主意-速度慢，而且通常很难正确。我们建议将数组收集到一个列表中，并在最后进行一次连接。花几分钟时间查看
np.append
的python代码。您将看到，即使在
numpy
中，它也不是一个很好的函数。另外，在
numba
中使用
concatenate
时，给它一个元组参数，而不是列表。