Python 使用Cython获得更快的numpy函数

我正在尝试优化我的代码，它大量使用numpy函数。我在这里创建了一个简单的版本

#pythonic.py
将numpy作为np导入
def numpyWithPython（）：
a=np.random.randint（10，大小=5000）-5
b=a[a>0]
c=np.cumprod（b）
d=np.diff（c，前置=0）
e=np.乘（d，b）
f=e.copy（）
f[f>1]=2
g=np.圆形（f*5000）
如果np.和（g）>0：
返回np.和（g）
其他：
返回20

所以基本上整个函数都与numpy一起工作。然后我将其编译为Cython，我尽了最大努力进行优化，但我不确定，无论如何，代码如下所示：

#Cythonic.pyx
import numpy as np
cimport numpy as np

# cython: boundscheck=False
# cython: cdivision=True
# cython: wraparound=False

cpdef int numpyWithCython():
        cdef np.ndarray[long, ndim=1, mode='c'] a = np.random.randint(10, size=5000) -5
        cdef np.ndarray[long, ndim=1, mode='c'] b = a[a>0]
        cdef np.ndarray[long, ndim=1, mode='c'] c = np.cumprod(b)
        cdef np.ndarray[long, ndim=1, mode='c'] d = np.diff(c, prepend=0)
        cdef np.ndarray[long, ndim=1, mode='c'] e= np.multiply(d,b)
        cdef np.ndarray[long, ndim=1, mode='c'] f=e.copy()
        f[f >1] =2
        cdef np.ndarray[long, ndim=1, mode='c'] g =np.round(f*5000)

        if np.sum(g)>0:
                return np.sum(g)
        else:
                return 20

让我们来比较一下

来自pythonic import numpywhithpython
来自Cythonic import numpyWithCython
导入时间信息
py=timeit.timeit（numpyWithPython，number=1000）
打印（“Python:，py）
cy=timeit.timeit（numpyWithCython，number=1000）
打印（“Cyhton:，cy）

比我得到的每一个负面的改善，这是意想不到的

Python:0.2221166321079613 >>>Cyhton:0.23356160436067247 我对Cython的优化是错误的还是在这种情况下Numpy已经很快了，所以Cython毫无意义

---

我应该使用本机python数组来加快速度，还是我可以做些什么来加快速度？

对于可能对加快速度感兴趣的人，我从pandas.DataFrame开始，然后我使用pandas.Series获得了2倍于Numpy版本的效果，甚至比Numpy版本快了4倍。我还可以共享setup.py来展示我是如何编译到CythonMost numpy的功能是高度优化的编译c代码。如果你能加快neyond的速度，我会非常惊讶。在上面查找

annotate=True

，它会告诉你Cython代码转换到C的效果如何，如果有瓶颈，另请看，您真正做的只是添加了一些无意义的类型检查，Cython确保参数是Numpy数组-这就是为什么速度较慢的原因。如果您需要加快代码速度，则需要放弃Numpy函数调用。您不想创建6个中间numpy数组；为每个数据分配内存并存储所有这些数据会降低速度。尝试在每个元素上进行for循环运算，并一次执行1个元素的所有数学运算。对于可能对超速感兴趣的人，我从pandas.DataFrame开始，然后我使用pandas.Series获得了约2倍的效果。与Numpy版本相比，Series甚至快了约4倍。我还可以共享setup.py来展示我是如何编译到CythonMost numpy的功能是高度优化的编译c代码。如果你能加快neyond的速度，我会非常惊讶。在上面查找

annotate=True

，它会告诉你Cython代码转换到C的效果如何，如果有瓶颈，另请看，您真正做的只是添加了一些无意义的类型检查，Cython确保参数是Numpy数组-这就是为什么速度较慢的原因。如果您需要加快代码速度，则需要放弃Numpy函数调用。您不想创建6个中间numpy数组；为每个数据分配内存并存储所有这些数据会降低速度。尝试在for循环中对每个元素进行操作，并一次对一个元素执行所有数学操作。