9

大きな配列の高速計算に numpexpr を使用しますが、配列のサイズが CPU キャッシュよりも小さい場合、単純な配列計算を使用して Cython でコードを記述すると、特に関数が複数回呼び出される場合に高速になります。

問題は、Cython で配列をどのように操作するか、またはより明示的に: Cython に Python の array.array 型への直接インターフェイスがあるかどうかです。私がやりたいことは、このようなものです（簡単な例）

cpdef array[double] running_sum(array[double] arr):
    cdef int i 
    cdef int n = len(arr)
    cdef array[double] out = new_array_zeros(1.0, n)
    ... # some error checks
    out[0] = arr[0]
    for i in xrange(1,n-1):
        out[i] = out[i-1] + arr[i]

    return(out)

最初に Cython numpy ラッパーを使用して ndarrays を操作しましたが、malloc を使用して C 配列を作成する場合と比較して、ndarrays を作成するのは非常にコストがかかるようです (ただし、メモリ処理は面倒です)。

ありがとう！

4

1 に答える 1

5

基本的な機能とチェックを使用して、単純な独自のロールを作成できます。ここでは、開始するためのモックアップを示します。

from libc.stdlib cimport malloc,free

cpdef class SimpleArray:
    cdef double * handle
    cdef public int length
    def __init__(SimpleArray self, int n):
        self.handle = <double*>malloc(n * sizeof(double))
        self.length = n
    def __getitem__(self, int idx):
        if idx < self.length:
            return self.handle[idx]
        raise ValueError("Invalid Idx")
    def __dealloc__(SimpleArray self):
        free(self.handle) 

cpdef SimpleArray running_sum(SimpleArray arr):
    cdef int i 
    cdef SimpleArray out = SimpleArray(arr.length)

    out.handle[0] = arr.handle[0]
    for i from 1 < i < arr.length-1:
        out.handle[i] = out.handle[i-1] + arr.handle[i]
    return out

として使用することができます

>>> import test
>>> simple = test.SimpleArray(100)
>>> del simple
>>> test.running_sum(test.SimpleArray(100))
<test.SimpleArray object at 0x1002a90b0>
于 2011-03-30T17:37:18.580 に答える