对数组的两个值进行更快的循环答案

【问题标题】：Faster loop operating on two values of an array对数组的两个值进行更快的循环
【发布时间】：2016-02-07 04:03:42
【问题描述】：

考虑以下函数：

def dostuff(n, f):
    array = numpy.arange(0, n)
    for i in range(1, n):                    # Line 1                      
        array[i] = f(array[i-1], array[i])   # Line 2
    return numpy.sum(array)

如何重写第 1 行/第 2 行以使 python 3 中的循环更快（不使用 cython）？

【问题讨论】：

你看过numpy.vectorize吗？文档说这主要是为了方便，但在某些情况下可能会有所收获。
你将如何使用 Python 向量化来做到这一点？
你的函数f完全是自定义函数吗？或者它可能由numpy 在某处实现？你能分享一下它的实现吗
f 可以是任何取两个整数并返回一个整数
在我看来，用例过于简单，无法真正利用 numpy 的优势。我没有计时，但也许像sum(f(x, x+1) for x in range(n-1)) 这样的东西实际上会更快？

标签： python loops numpy optimization numpy-ufunc

【解决方案1】：

我鼓励你在 SO generalized cumulative functions in NumPy/SciPy? 上检查这个问题，因为你想要一个 generalized cumulative function 。

还可以查看函数 frompyfunc Here 的 scipy 文档

func = np.frompyfunc(f , 2 , 1)

def dostuff(n,f):
    final_array = func.accumulate(np.arange(0,n), dtype=np.object).astype(np.int)
    return np.sum(final_array)

示例

In [86]:
def f(num1 , num2):
    return num1 + num2

In [87]:
func = np.frompyfunc(f , 2 , 1)

In [88]:
def dostuff(n,f):
    final_array = func.accumulate(np.arange(0,n), dtype=np.object).astype(np.int)
    return np.sum(final_array)

In [108]:
dostuff(15,f)
Out[108]:
560

In [109]:
dostuff(10,f)
Out[109]:
165

基准

def dostuff1(n, f):
    array = np.arange(0, n)
    for i in range(1, n):                    # Line 1                      
        array[i] = f(array[i-1], array[i])   # Line 2
    return np.sum(array)

def dostuff2(n,f):
    final_array = func.accumulate(np.arange(0,n), dtype=np.object).astype(np.int)
    return np.sum(final_array)

In [126]:
%timeit dostuff1(100,f)
10000 loops, best of 3: 40.6 µs per loop

In [127]:
%timeit dostuff2(100,f)
The slowest run took 4.98 times longer than the fastest. This could mean that an intermediate result is being cached 
10000 loops, best of 3: 23.8 µs per loop

【讨论】：

除了非矢量化版本返回[0,1,3,6]我猜
我遇到了这个问题，这有点棘手:)，我已经更新了我的答案