cython numpy累积功能
我需要实现一个函数来对可变段长度的数组的元素进行求和。 所以，
a = np.arange(10)
section_lengths = np.array([3, 2, 4])
out = accumulate(a, section_lengths)
print out
array([ 3., 7., 35.])
我尝试在这里使用cython实现：
https://gist.github.com/2784725
为了提高性能，我将其与section_lengths全部相同的情况下的纯numpy解决方案进行比较：
LEN = 10000
b = np.ones(LEN, dtype=np.int) * 2000
a = np.arange(np.sum(b), dtype=np.double)
out = np.zeros(LEN, dtype=np.double)
%timeit np.sum(a.reshape(-1,2000), axis=1)
10 loops, best of 3: 25.1 ms per loop
%timeit accumulate.accumulate(a, b, out)
10 loops, best of 3: 64.6 ms per loop
你会有任何改善性能的建议吗？
您可以尝试以下一些方法：
除了@cython.boundscheck(False)编译器指令外，还可以尝试添加@cython.wraparound(False)
在您的setup.py脚本中，尝试添加一些优化标志：
ext_modules = [Extension("accumulate", ["accumulate.pyx"], extra_compile_args=["-O3",])]
看一下由cython -a accumulate.pyx生成的.html文件cython -a accumulate.pyx以查看是否有部分缺少静态类型或严重依赖Python C-API调用：
http://docs.cython.org/src/quickstart/cythonize.html#determining-where-to-add-types
在方法的末尾添加一个return语句。 目前它正在i_el += 1紧密循环中执行一堆不必要的错误检查。
不知道它是否会有所作为，但我倾向于使循环计数器cdef unsigned int而不仅仅是int
当section_lengths不相等时，您也可以将代码与numpy进行比较，因为它可能需要的不仅仅是简单的sum 。
在for循环更新中out[i_bas]较慢，您可以创建一个临时变量来执行归并，并在nest for循环结束时更新out[i_bas] 。 以下代码将与numpy版本一样快：
import numpy as np
cimport numpy as np
ctypedef np.int_t DTYPE_int_t
ctypedef np.double_t DTYPE_double_t
cimport cython
@cython.boundscheck(False)
@cython.wraparound(False)
def accumulate(
np.ndarray[DTYPE_double_t, ndim=1] a not None,
np.ndarray[DTYPE_int_t, ndim=1] section_lengths not None,
np.ndarray[DTYPE_double_t, ndim=1] out not None,
):
cdef int i_el, i_bas, sec_length, lenout
cdef double tmp
lenout = out.shape[0]
i_el = 0
for i_bas in range(lenout):
tmp = 0
for sec_length in range(section_lengths[i_bas]):
tmp += a[i_el]
i_el+=1
out[i_bas] = tmp