将matlab代码翻译成python，但python要慢得多

所以我最近开始使用python，我正在做一个计算风暴露的项目。我在matlab中管理了我的代码，它运行得非常快（可以在3分钟内完成），但在我将代码翻译成python之后，我得到了相同的结果，但需要3小时才能完成它的工作。我真的需要帮忙检查是什么造成了如此巨大的差异

这是我的python代码。如果有人需要，我可以给出我的matlab代码

from netCDF4 import Dataset, num2date
import numpy as np
import matplotlib.pyplot as plt
from scipy import interpolate
#import pylab as py
#input data
dem = Dataset('comparearea_fill.nc','r')
lon = np.array(dem.variables['lon'])
lat = np.array(dem.variables['lat'])
DEM = np.array(dem.variables['elevation'])
carea = Dataset('carea.nc','r')
u = np.array(carea.variables['u10'])
v = np.array(carea.variables['v10'])
mu = np.mean(u, axis=0)
mv = np.mean(v, axis=0)
x = np.linspace(1,21,21)
y = np.linspace(1,11,11)

newu = interpolate.interp2d(x, y, mu, kind='cubic')
newv = interpolate.interp2d(x, y, mv, kind='cubic')

spu = newu(lon,lat)
spv = newv(lon,lat)

A = np.zeros((4951,9451))
B = np.zeros((4951,9451))
for i in range(100,4850):
    for j in range(100,9350):
        for n in range(20):
            A[i,j] = (DEM[i,j]-np.max(DEM[np.floor(n*spv[i,j]).astype(int),j-np.floor(n*spu[i,j]).astype(int)]))/DEM[i,j]
            if  A[i,j] < 0:
                A[i,j] = 0
            B[i,j] = (DEM[i,j]-np.max(DEM[i-np.ceil(n*spv[i,j]).astype(int),j-np.ceil(n*spu[i,j]).astype(int)]))/DEM[i,j]
            if B[i,j] < 0:
               B[i,j] = 0

C = A+B
plt.contourf(lon,lat,C); plt.colorbar()

来自netCDF4导入数据集，num2date
将numpy作为np导入
将matplotlib.pyplot作为plt导入
从scipy导入插值
#将pylab作为py导入
#输入数据
dem=数据集（'comparearea\u fill.nc'，'r'）
lon=np.array（dem.variables['lon']）
lat=np.数组（dem.变量['lat']）
DEM=np.array（DEM.variables['elevation']））
carea=数据集（'carea.nc'，'r'）
u=np.array（carea.variables['u10']）
v=np.array（carea.variables['v10']）
mu=np.平均值（u，轴=0）
mv=np.平均值（v，轴=0）
x=np.linspace（1,21,21）
y=np.linspace（1,11,11）
newu=interpolate.interp2d（x，y，mu，kind='cubic'）
newv=interpolate.interp2d（x，y，mv，kind='cubic'）
spu=newu（长、宽）
spv=新值（lon，lat）
A=np.零（（49519451））
B=np.零（（49519451））
对于范围内的i（1004850）：
对于范围内的j（1009350）：
对于范围（20）内的n：
A[i，j]=（DEM[i，j]-np.max（DEM[np.floor（n*spv[i，j]）.astype（int），j-np.floor（n*spu[i，j]）.astype（int）]）/DEM[i，j]
如果A[i，j]<0：
A[i，j]=0
B[i，j]=（DEM[i，j]-np.max（DEM[i-np.ceil（n*spv[i，j]）.astype（int），j-np.ceil（n*spu[i，j]）.astype（int）]）/DEM[i，j]
如果B[i，j]<0：
B[i，j]=0
C=A+B
轮廓曲线图（长、宽、C）；plt.colorbar（）

---

这里mu和mv是u和v风的月平均值，而spu和spv是样条插值u和v风，以适合我的dem数据集的分辨率

这是因为您使用的是大for循环inside for循环inside for循环。如果你想编写这样的代码，可以使用C++或C扩展名（或）NUBA。简单地使用另一种语言不会使代码运行得更快，您必须用该语言编写优化的代码。许多numpy函数都是矢量化的，因此使用所有这些嵌套for循环会严重影响性能为什么要在

n

上进行循环？您没有使用值

n=0..18

。有许多类似的帖子：，，等等。有什么新消息？MATLAB有一个JIT，Python（默认情况下）没有，因此速度会慢一些。