将 python 回调函数传递给 Fortran 子例程的开销是多少？

我刚刚使用 F2PY 将 Fortran 90 子例程包装到 python 中。这里的微妙之处在于 Fortran 子例程也采用 python 回调函数作为其参数之一：

SUBROUTINE f90foo(pyfunc, a)
real(kind=8),intent(in) :: a
!f2py intent(callback) pyfunc
external pyfunc
!f2py real*8 y,x
!f2py y = pyfunc(x)

!*** debug begins***
print *, 'Start Loop'
do i=1,1000
  p = pyfunc(a)
end do
total = etime(elapsed)
print *, 'End: total=', total, ' user=', elapsed(1), ' system=', elapsed(2)
stop
!*** debug ends  ***

The pyfunc是我的 python 代码中其他地方定义的 python 函数。包装器工作正常，但是运行上面的包装版本，我得到的运行时间比使用纯 python 得到的运行时间长大约 5 倍，如下所示，

def pythonfoo(k):
    """ k: scalar 
        returns: scalar
    """
    print('Pure Python: Start Loop')
    start = time.time()
    for i in xrange(1000):
        p = pyfunc(k)
    elapsed = (time.time() - start)
    print('End: total=%20f'% elapsed)

那么问题来了，开销从何而来？我真的很想离开pyfunc因为重新编码成纯fortran函数是极其耗时的，那么有没有办法提高wrapper模块的速度呢？

在您发布的代码中，a是双精度浮点数。将它从 Fortran 传递到 Python 意味着将 Fortran double 包装到 PyFloat 对象，这确实有成本。在纯Python版本中，k是一个PyFloat，你不需要为包装它1000次而付出代价。

另一个问题是函数调用本身。从 C 调用 Python 函数在性能方面已经很糟糕，但从 Fortran 调用它们更糟糕，因为有额外的代码层将 Fortran 函数调用约定（关于堆栈等）转换为 C 函数调用约定。当从 C 调用 Python 函数时，需要将参数准备为 Python 对象，通常创建一个 PyTuple 对象作为 Python 函数的 *args 参数，在模块的表中查找以获取函数指针。 ..

最后但并非最不重要的一点是：在 Fortran 和 Numpy 之间传递 2D 数组时需要注意数组顺序。 F2py 和 numpy 在这方面可能很聪明，但如果您的 Python 代码不是为了按 Fortran 顺序操作数组而编写的，那么您的性能将会受到影响。

我不知道 pyfunc 的用途是什么，但如果它与您发布的内容接近，那么用 Python 编写循环，并且仅调用该函数一次将节省您的时间。如果您需要中间值（p），让你的 Python 函数返回一个包含所有中间值的 Numpy 数组。