我已经尝试了一些可用的解决方案,但无法得到任何加速与以下Cython代码。你知道吗
cython代码所用的时间与其python等效代码相同。你知道吗
# key_id: it is a string
# values_dict: it is a dictionary with key as str and values as numpy.ndarray consisting of floats
# e.g.: print(values_dict['abc']) will give out numpy.ndarray([0.01, 1.01, 2.05]). values_dict has many such entries.
cpdef dict calculate_sum(str key_id, dict values_dict):
cdef dict result_dict = {}
cdef str check_id
for check_id, values in values_dict.items():
if check_id != key_id:
result_dict[check_id] = sum(values)
return result_dict
from distutils.core import setup
from Cython.Build import cythonize
setup(ext_modules = cythonize('calculate_sum.pyx'))
import calculate_sum
# ...
# piece of code which computes values_dict
# ...
key_id = 'abc'
sum_value = calculate_sum.calculate_sum(key_id, values_dict)
任何建议/帮助都将不胜感激。你知道吗
总的来说,我不认为Cython对这段代码有帮助:它主要是操纵Python对象,而从中得到的加速往往很小。一些建议:
x.sum()
比sum(x)
快得多(对于我的PC上的快速测试用例,大约快60倍)。如果您知道值将是Numpy数组,那么直接执行此操作。你知道吗if
语句,并计算每个键的和(然后删除key_id
)可能是值得的。这一次。你知道吗合并:
请注意,我把所有的赛顿的东西都扔了,因为我觉得这是毫无意义的。我对这方面的基准测试不太感兴趣,但我怀疑对
sum
的更改将起主要作用。你知道吗另一种方法是使用Pandas(这里的代码未经测试……)。假设您已经用
values = pd.DataFrame.from_dict(values_dict)
创建了一个values
数据帧,那么:在所有长度相同的Numpy数组中,这是最有效的(尽管我不认为这是绝对的要求)。您的目标是普遍使用熊猫,而不是频繁地在
dict
之间转换。再说一次,Cython在这里帮不上忙。你知道吗相关问题 更多 >
编程相关推荐