我正在尝试加速 Python 脚本。我已经在纯 Python 中分析了代码并重构了很多。看来我仍然花费大量时间以如下方式访问一些 numpy 数组:
KeyArray[BoolArray[index]]
其中 KeyArray
是 ndim=2 并且包含字符串,BoolArray
是 ndim=1 并且包含 bool
并且索引是一个 int
。
我正在尝试学习 Cython,看看它能有多快。我写了以下不起作用的脚本:
import numpy as np
cimport numpy as np
def fastindexer(np.ndarray[np.str_t,ndim=1] KeyArray, np.ndarray [np.bool_t,ndim=2] BoolArray, np.int_t DateIndex):
cdef np.ndarray[np.str_t,ndim=1] FArray = KeyArray[BoolArray[DateIndex]]
return FArray
我知道 str/bool 类型在 np 数组中“按原样”不可用。我也试过转换,但我不明白应该怎么写。
欢迎大家帮忙
最佳答案
正如@Joe 所说,将单个索引语句移动到 Cython 不会给您带来速度。如果您决定将更多程序移至 Cython,则需要解决一些问题。
1) 您使用 def
而不是 cdef
,这限制了您只能使用 Python 功能。
2)您使用旧的缓冲区语法。了解 memoryviews
3)切片二维数组很慢,因为每次都会创建一个新的内存 View 。也就是说,它仍然比 Python 快很多,但要获得最佳性能,您必须使用不同的方法。
这里有一些可以帮助您入门的东西。
cpdef func():
cdef int i
cdef bool[:] my_bool_array = np.zeros(10, dtype=bool)
# I'm not if this next line is correct
cdef char[:,:] my_string_array = np.chararray((10, 10))
cdef char answer
for i in range(10):
answer = my_string_array[ my_bool_array[i] ]
关于python - 快速索引 : Cython with numpy array of bool and str,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32312206/