Я играл с написанием модулей cffi на python, и их скорость заставляет меня задаться вопросом, правильно ли я использую стандартный python. Это заставляет меня хотеть полностью перейти на C! По правде говоря, есть несколько замечательных библиотек Python, которые я никогда не смог бы переписать на C, так что это скорее гипотетически, чем что-либо на самом деле.
В этом примере показано, как функция sum в python используется с массивом numpy, и насколько она медленная по сравнению с функцией c. Есть ли более быстрый питонический способ вычисления суммы массива numpy?
def cast_matrix(matrix, ffi):
ap = ffi.new("double* [%d]" % (matrix.shape[0]))
ptr = ffi.cast("double *", matrix.ctypes.data)
for i in range(matrix.shape[0]):
ap[i] = ptr + i*matrix.shape[1]
return ap
ffi = FFI()
ffi.cdef("""
double sum(double**, int, int);
""")
C = ffi.verify("""
double sum(double** matrix,int x, int y){
int i, j;
double sum = 0.0;
for (i=0; i<x; i++){
for (j=0; j<y; j++){
sum = sum + matrix[i][j];
}
}
return(sum);
}
""")
m = np.ones(shape=(10,10))
print 'numpy says', m.sum()
m_p = cast_matrix(m, ffi)
sm = C.sum(m_p, m.shape[0], m.shape[1])
print 'cffi says', sm
просто чтобы показать, что функция работает:
numpy says 100.0
cffi says 100.0
теперь, если я выполню эту простую функцию, я обнаружу, что numpy работает очень медленно! Правильно ли я использую numpy? Есть ли более быстрый способ вычислить сумму в python?
import time
n = 1000000
t0 = time.time()
for i in range(n): C.sum(m_p, m.shape[0], m.shape[1])
t1 = time.time()
print 'cffi', t1-t0
t0 = time.time()
for i in range(n): m.sum()
t1 = time.time()
print 'numpy', t1-t0
раз:
cffi 0.818415880203
numpy 5.61657714844
%timeit np.sum(np.sum(m))
и `%timeit np.matrix.sum(x)` сборка мусора и т. д. может быть проблемой - person Fredrik Pihl   schedule 14.04.20141E3x1E3
, и уменьшите количество циклов, чтобы увидеть гораздо более сопоставимые времена. - person Daniel   schedule 14.04.2014