面向对象与基于矢量的编程

Question

我在面向对象和基于向量的设计之间左右为难。我喜欢物体赋予整个建筑的能力、结构和安全性。但同时，速度对我来说非常重要，在数组中使用简单的浮点变量对于基于向量的语言/库（如Matlab或Python中的numpy）确实有帮助。在

下面是我写的一段代码来说明我的观点

问题：增加两个波动率数字。如果x和y是两个波动率数，则波动率之和为（x^2+y^2）^0.5（假设一定的数学条件，但这在这里并不重要）。在

我想很快地执行这个操作，同时我需要确保人们不会以错误的方式（x+y）增加波动性。这两者都很重要。在

基于OO的设计应该是这样的：

from datetime import datetime 
from pandas import *

class Volatility:
    def __init__(self,value):
       self.value = value

    def __str__(self):
       return "Volatility: "+ str(self.value)

    def __add__(self,other):
        return Volatility(pow(self.value*self.value + other.value*other.value, 0.5))

（旁白：对于那些不熟悉Python的人，add只是一个覆盖“+”运算符的函数）

假设我添加了两个波动性值列表

^{pr2}$

（旁白：同样，Python中的一个系列类似于一个带有索引的列表） 现在我要加上两个：

t1 = datetime.now()
vs3 = vs1 + vs2
t2 = datetime.now()
print t2-t1

只是加法在我的机器上运行了3.8秒，我给出的结果根本不包括对象初始化的时间，它只是被计时的加法代码。如果我使用numpy数组运行相同的东西：

nv1 = Series(map(lambda x: 2.0*x-1.0, range(0,n)))
nv2 = Series(map(lambda x: 2.0*x+1.0, range(0,n)))

t3 = datetime.now()
nv3 = numpy.sqrt((nv1*nv1+nv2*nv2))
t4 = datetime.now()
print t4-t3

它只需0.03秒。快了100多倍！在

正如你所看到的，OOP方法给了我很多安全性，人们不会用错误的方式添加波动性，但是向量方法的速度太快了！有没有一种设计能让我两者兼得？我相信你们很多人都遇到过类似的设计选择，你们是怎么做到的？在

语言的选择在这里是无关紧要的。我知道你们中的很多人建议使用C++或java，并且代码可能比基于向量的语言运行得快。但这不是重点。我需要使用Python，因为我有许多其他语言无法使用的库。这是我的限制。我需要优化它。在

我知道，很多人会建议并行化，gpgpu等等，但我想先最大限度地提高单核性能，然后我可以并行化两个版本的代码。在

提前谢谢！在

Answer 1

你可以在向量化操作之上进行抽象、封装、代码重用等（通过OOP或其他方式）。您只需选择正确的粒度：您的单元抽象（object）应该是多个值，以匹配矢量化的实现。据我所知，volatility没有复数形式，但对于您的特定用例，可能有一个更合适的术语（您的波动性值集意味着什么）。在

是的，这意味着性能问题会影响抽象和API（但无论如何都会发生这种情况）。不，影响不一定是简化抽象，甚至是漏洞百出的抽象。它只是改变了抽象的形状。事实上，如果只对所有值同时进行操作，这甚至可能为其余代码生成更方便的API。在

Answer 2

对于这些情况，一个可能的解决方案是后退一步：您真的需要或想将单个值表示为对象吗？如果您的对象是Volatile的整个数组（或序列）呢？你可以两全其美。在

即使对单个Volatile对象有一些用途，也可以实现flyweight pattern，其中Volatile对象只是数组中位置的包装器，所有方法都将在数组上操作。在