Python性能

我有一个关于python程序性能的问题。写下来的部分非常重要，我已经用numpy提高了性能。我想知道是否有可能使这部分更快？10倍的提速已经很不错了

u = numpy.zeros((a**l, a**l))
re = numpy.zeros((a**l, a**l, a**l))
wp = numpy.zeros((a**l, 2))
...Some code which edits u,re and wp...
for x in range(N):
    wavg = numpy.dot(wp[:, 0], wp[:, 1])
    wp[:, 0] = 1.0/wavg*numpy.dot(u, numpy.multiply(wp[:, 0], wp[:, 1]))
    wp[:, 0] = numpy.tensordot(numpy.tensordot(re, wp[:, 0], axes=1), wp[:, 0], 
    axes=1)

---

我在

Cython

（另一件事，而不是

CPython

）上获得了很好的体验。您可以从程序中生成普通的

C

代码，将其编译为扩展名，然后从另一个Python文件运行它。有关构建扩展（包括

numpy

）的更多信息，请参见我的这个问题：

样本：

假设您将代码编译成一个扩展名（

.pyd

在Windows上，

在其他平台上，
.so
），例如
myext.pyd
和其中的函数
myfunc（）
，您可以这样运行它：

import myext
myext.myfunc()

Python解释器将运行这个小代码段，加载扩展（这是由
C
-code生成的字节码，速度很快！），并运行任何函数，速度都比普通Python代码快得多

您需要在Windows上安装编译器，
gcc
已包含在大多数Linux/Unix系统中。Python2.7有一个特殊的编译器包，但它不适用于Python3.x。您可以在Windows上使用
MinGW
，这是
gcc
的一个端口，对我来说很好

有时候，
Cython
会从大约300行Python代码中生成15k行C代码，这一点也不奇怪：）

如果您还有其他问题或需要更详细的说明，请随时提问。构建一个工作的Python扩展并不是那么简单

希望这有帮助
 你能告诉我们关于这个代码的情况吗？你在哪里运行它，它做什么，你有什么样的输入数据…我建议我投票结束这个问题，因为它属于主题。关于优化已经运行的代码的问题在堆栈溢出上是离题的。u是变异矩阵。re是复合张量。wp[：，0]是当前总体向量，wp[：，1]是适应度向量。a总是2，l通常是8。你试过Cython吗？我做了一些编辑，可能是有用的信息