python - 2 つの小さな numpy 関数を Cythonize します。助けが必要です

Question

問題

いくつかの科学的な目的で、numpy ndarrays を主に扱う 2 つの小さな関数を Cythonize しようとしています。これら 2 つの小さい関数は、遺伝的アルゴリズムで何百万回も呼び出され、アルゴリズムにかかる時間の大部分を占めています。

私は自分である程度の進歩を遂げ、どちらもうまく機能しましたが、速度はわずかに向上しました (10%)。さらに重要なことに、cython --annotate は、コードの大部分がまだ Python を使用していることを示しています。

コード

最初の関数:

この関数の目的は、データのスライスを取得することであり、内側のネストされたループで何百万回も呼び出されます。data[1][1] の bool に応じて、順方向または逆方向のいずれかでスライスを取得します。

#Ipython notebook magic for cython
%%cython --annotate
import numpy as np
from scipy import signal as scisignal

cimport cython
cimport numpy as np
def get_signal(data):
    #data[0] contains the data structure containing the numpy arrays
    #data[1][0] contains the position to slice
    #data[1][1] contains the orientation to slice, forward = 0, reverse = 1

    cdef int halfwinwidth = 100
    cdef int midpoint = data[1][0]
    cdef int strand = data[1][1]
    cdef int start = midpoint - halfwinwidth
    cdef int end = midpoint + halfwinwidth
    #the arrays we want to slice
    cdef np.ndarray r0 = data[0]['normals_forward']
    cdef np.ndarray r1 = data[0]['normals_reverse']
    cdef np.ndarray r2 = data[0]['normals_combined']
    if strand == 0:
        normals_forward = r0[start:end]
        normals_reverse = r1[start:end]
        normals_combined = r2[start:end]
    else:
        normals_forward = r1[end - 1:start - 1: -1]
        normals_reverse = r0[end - 1:start - 1: -1]
        normals_combined = r2[end - 1:start - 1: -1]
    #return the result as a tuple
    row = (normals_forward,
           normals_reverse,
           normals_combined)
    return row

第二の機能

これはnumpy配列のタプルのリストを取得し、配列を要素ごとに合計し、それらを正規化し、交差の統合を取得したいと考えています。

def calculate_signal(list signal):
    cdef int halfwinwidth = 100
    cdef np.ndarray profile_normals_forward = np.zeros(halfwinwidth * 2, dtype='f')
    cdef np.ndarray profile_normals_reverse = np.zeros(halfwinwidth * 2, dtype='f')
    cdef np.ndarray profile_normals_combined = np.zeros(halfwinwidth * 2, dtype='f')
    #b is a tuple of 3 np.ndarrays containing 200 floats
    #here we add them up elementwise
    for b in signal:
        profile_normals_forward += b[0]
        profile_normals_reverse += b[1]
        profile_normals_combined += b[2]
    #normalize the arrays
    cdef int count = len(signal)

    #print "Normalizing to number of elements"
    profile_normals_forward /= count
    profile_normals_reverse /= count
    profile_normals_combined /= count
    intersection_signal = scisignal.detrend(np.fmin(profile_normals_forward, profile_normals_reverse))
    intersection_signal[intersection_signal < 0] = 0
    intersection = np.sum(intersection_signal)

    results = {"intersection": intersection,
               "profile_normals_forward": profile_normals_forward,
               "profile_normals_reverse": profile_normals_reverse,
               "profile_normals_combined": profile_normals_combined,
               }
    return results

どんな助けでも大歓迎です - 私はメモリビューを使ってみましたが、何らかの理由でコードがずっと遅くなりました。