我一直在尝试用 python 编写 cffi 模块,它们的速度让我想知道我是否正确使用了标准 python。这让我想彻底转向C!说实话,有一些很棒的 python 库我永远无法用 C 重新实现自己,所以这比任何实际情况都更假设。
此示例显示了 python 中的 sum 函数与 numpy 数组一起使用,以及与 c 函数相比它的速度有多慢。有没有更快的 pythonic 方法来计算 numpy 数组的总和?
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
只是为了展示该功能的工作原理:
numpy says 100.0
cffi says 100.0
现在,如果我对这个简单的函数进行计时,我发现 numpy 真的很慢!
我是否以正确的方式使用 numpy ?有没有更快的方法来计算Python中的总和?
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
times:
cffi 0.818415880203
numpy 5.61657714844