Python 使用PyPy或Cython使用fsolve加速循环？
我有一个Python脚本，其中包含一个循环，其中包含大量对scipy.optimize.fsolve的调用（每个时间步99（55+54）次，现在我需要大约10^5个时间步）。脚本的其余部分也不是很快，但从Spyder Profiler的输出来看，调用fsolve是迄今为止最耗时的。根据我目前的设置，运行脚本需要10个多小时，所以我可以稍微加快速度 根据我在这里和互联网上其他地方读到的内容，我已经给了PyPy一次尝试：在conda（MacOS 10.15.5、PyPy 7.3.1和PyPy 3.6 7.3.1）下的单独环境中安装它，以及它自己的numpy、scipy和pandas版本，但到目前为止，它实际上比Python慢了一点（195秒对171秒，100个时间步） 从我所读到的（PyPy Status博客，10月17日），这可能与使用numpy而不是numpy有关，和/或与重复分配临时数组有关。除了调用fsolve 1000多万次之外，我还使用了相当多的numpy数组，所以就我所知这是有意义的 问题是，我不是一名开发人员，而且我对PyPy完全是新手，所以像JIT跟踪这样的术语对我来说意义不大，而对我来说，破解它们中的内容可能会是一个挑战。此外，2017年10月的情况现在可能不再适用。此外，即使我设法加快了numpy数组位的速度，我仍然不能确定fsolve部分 有人能指出我是否值得花时间在PyPy上吗？还是Cython更适合这种情况？甚至是4便士 如果这有帮助的话，我很乐意与大家分享我的代码，但是它包含了一个800多行代码的模块，所以在这篇文章中包含它对我来说并不是一个好主意 非常感谢！ 锡塔 编辑：感谢大家快速、友好的回复！这是一个公平的观点，关于需要查看我的代码，我把它（链接有效期至2020年6月19日）。artheral_1D.py是模块，CoronaryTree.py是调用artheral_1D.py的脚本。作为一个简单的工作示例，我额外添加了一行，在这种情况下不加注释（在代码中明确标记）。此外，我将时间步数设置为100，以使代码在合理的时间内运行（在我的示例中，最小示例为0.61秒，完整冠状动脉树为37.3秒）Python 使用PyPy或Cython使用fsolve加速循环？,python,python-3.x,numpy,pypy,scipy-optimize,Python,Python 3.x,Numpy,Pypy,Scipy Optimize,我有一个Python脚本，其中包含一个循环，其中包含大量对scipy.optimize.fsolve的调用（每个时间步99（55+54）次，现在我需要大约10^5个时间步）。脚本的其余部分也不是很快，但从Spyder Profiler的输出来看，调用fsolve是迄今为止最耗时的。根据我目前的设置，运行脚本需要10个多小时，所以我可以稍微加快速度 根据我在这里和互联网上其他地方读到的内容，我已经给了PyPy一次尝试：在conda（MacOS 10.15.5、PyPy 7.3.1和PyPy 3.6
编辑2:我真傻，在我的原始帖子中，我提到了197和171年代分别使用PyPy和Python运行100步代码，但在这种情况下，我从pypypy环境中调用了Python，所以它使用的是pypypy版本的Numpy。在我的基本环境中，运行100个步骤需要30秒多一点。因此，在这种情况下，PyPy比Python慢得多，这促使我研究这篇PyPy状态博客文章。如果不查看代码，我们就无法真正帮助您进行优化。但是，既然你有相当多的描述在那里进行，让我回答我认为你可以尝试加快事情的进展 第一件事就是第一件事。Scipy库。 从scipy.optimize.fsolve的源代码中，它介绍了MINPACK的hybrd和hybrj算法，它们是相当快的FORTRAN子程序。因此，在您的情况下，切换到PyPy不会有多大好处，如果有任何好处的话 如何优化Scipy fsolve？最明显的数值方法之一是将函数的参数矢量化。但似乎您正在运行一种时间步算法，而大多数标准的时间步算法无法在时间上进行矢量化。如果你的“XX倍每时间步”是一种隐式空间循环每一个时间步长（即你的网格），你可以考虑矢量化，以实现一些速度的增益。下一步是放大函数的猜测/起始根估计。看看你是否可以修改你的算法，在整个时间间隔内利用一个好的开始解决方案（做一些文献挖掘）。请注意，这和“编程”的关系要比你们对数值方法的了解小得多 接下来，在您对“脚本的其余部分也不是很快”的评论中，好吧，我会和Cython一起努力完成代码的其余python部分，尤其是循环。这是一个非常积极的开发，伟大的社区，并且经过了战斗的考验。我个人在许多HPC类型的问题中使用过它。Cython还有一个方便的html注释，它突出显示了在本机python实现上可能进行的潜在优化
希望这有帮助！干杯如果不查看代码，我们无法真正帮助您进行优化。但是，既然你有相当多的描述在那里进行，让我回答我认为你可以尝试加快事情的进展 第一件事就是第一件事。Scipy库。 从scipy.optimize.fsolve的源代码中，它介绍了MINPACK的hybrd和hybrj算法，它们是相当快的FORTRAN子程序。因此，在您的情况下，切换到PyPy不会有多大好处，如果有任何好处的话 如何优化Scipy fsolve？最明显的数值方法之一是将函数的参数矢量化。但似乎您正在运行一种时间步算法，而大多数标准的时间步算法无法在时间上进行矢量化。如果你的“XX倍每时间步”是一种隐式空间循环每一个时间步长（即你的网格），你可以考虑矢量化，以实现一些速度的增益。下一步是放大函数的猜测/起始根估计。看看你是否可以修改你的算法，在整个时间间隔内利用一个好的开始解决方案（做一些文献挖掘）。请注意，这和“编程”的关系要比你们对数值方法的了解小得多 接下来，在您对“脚本的其余部分也不是很快”的评论中