python - Cython 的功率谱

Question

我正在尝试使用 Cython 优化我的代码。它正在做一个功率谱，而不是使用 FFT，因为这是我们在类里面被告知要做的。我试过用 Cython 编写代码，但没有发现任何区别。 这是我的代码

#! /usr/bin/env python
# -*- coding: utf8 -*-

from __future__ import division
cimport numpy as np
import numpy as np
cimport cython

@cython.boundscheck(False)
def power_spectrum(time, data, double f_min, double f_max, double df,w=1 ):

    cdef double com,f
    cdef double s,c,sc,cc,ss
    cdef np.ndarray[double, ndim=1] power
    cdef np.ndarray[double, ndim=1] freq

    alfa, beta = [],[] 
    m = np.mean(data)
    data -= m       

    freq = np.arange( f_min,f_max,df )
    for f in freq:
            sft = np.sin(2*np.pi*f*time)
            cft = np.cos(2*np.pi*f*time)
            s   = np.sum( w*data*sft )
            c   = np.sum( w*data*cft )
            ss  = np.sum( w*sft**2  )
            cc  = np.sum( w*cft**2  )
            sc  = np.sum( w*sft*cft )

            alfa.append( ( s*cc-c*sc )/( ss*cc-sc**2 ))
            beta.append( ( c*ss-s*sc )/( ss*cc-sc**2 ))
            com = -(f-f_min)/(f_min-f_max)*100
            print "%0.3f%% complete" %com

    power = np.array(alfa)**2 + np.array(beta)**2
    return freq,power,alfa,beta

时间和数据通过 numpy.loadtxt 加载并发送到此函数。 当我做的时候

cython -a power_spectrum.pyx

.html 文件很黄，效率不高。尤其是整个 for 循环以及功率计算和返回一切。

我曾尝试阅读 Cython 的官方指南，但由于我从未用 C 编写过代码，所以有点难以理解。

所有帮助都非常准确:)

Answer 1

Cython 可以读取 numpy 数组 according to this但它不会神奇地编译像 np.sum 这样的东西 - 你仍然只是调用 numpy 方法。

您需要做的是用纯 cython 重新编写您的内部循环，然后它可以为您编译。所以你需要重新实现np.sum、np.sin等。预分配aplfa和beta 是个好主意，因此您不要使用 append 并尝试 cdef 尽可能多的变量。

编辑

这是一个完整的示例，显示了完全用 C 语言编译的内部循环(没有黄色)。我不知道代码是否正确，但它应该是一个很好的起点!特别要注意到处使用 cdef，打开 cdivision 并从标准库中导入 sin 和 cos。

from __future__ import division
cimport numpy as np
import numpy as np
cimport cython
from math import pi

cdef extern from "math.h":
    double cos(double theta)
    double sin(double theta)

@cython.boundscheck(False)
@cython.cdivision(True)
def power_spectrum(np.ndarray[double, ndim=1] time, np.ndarray[double, ndim=1] data, double f_min, double f_max, double df, double w=1 ):

    cdef double com,f
    cdef double s,c,sc,cc,ss,t,d
    cdef double twopi = 6.283185307179586
    cdef np.ndarray[double, ndim=1] power
    cdef np.ndarray[double, ndim=1] freq = np.arange( f_min,f_max,df )
    cdef int n = len(freq)
    cdef np.ndarray[double, ndim=1] alfa = np.zeros(n)
    cdef np.ndarray[double, ndim=1] beta = np.zeros(n)
    cdef int ndata = len(data)
    cdef int i, j

    m = np.mean(data)
    data -= m       

    for i in range(ndata):
        f = freq[i]

        s = 0.0
        c = 0.0
        ss = 0.0
        cc = 0.0
        sc = 0.0
        for j in range(n):
            t = time[j]
            d = data[j]
            sf = sin(twopi*f*t)
            cf = cos(twopi*f*t)
            s += w*d*sf
            c += w*d*cf
            ss += w*sf**2
            cc += w*cf**2
            sc += w*sf*cf

        alfa[i] = ( s*cc-c*sc )/( ss*cc-sc**2 )
        beta[i] = ( c*ss-s*sc )/( ss*cc-sc**2 )

    power = np.array(alfa)**2 + np.array(beta)**2
    return freq,power,alfa,beta