【发布时间】：2015-03-20 15:47:54
【问题描述】：
我正在考虑从 MATLAB 切换到 Python。我的 MATLAB 代码的核心在几千个数字的数组上反复调用 erf，例如：
r=rand(1,1e5)
erf(r)
这是我在 Python 中的实现：
import numpy as np
import scipy.special as sps
r=np.random.rand(1e5)
sps.erf(r)
Python 版本大约需要三倍的时间。如果我使用 Cython 来编译程序的这个核心，我会看到一个重大的加速吗？我的 Python 经验很少，也没有 C 经验，所以我想在尝试了解 Cython 之前先看看这里。
【问题讨论】：
-
你是如何测量python版本的？对几千个数字计算 erf 似乎并不太苛刻。上下文也可能很重要，因为“python 很慢”，更大的瓶颈将是你的代码调用 python 的频率，而不是在 numpy 内部进行提升。进行“更完整”（在算法更多的意义上）测试可能会产生更详细的信息。
-
顺便说一下，在我的电脑上调用
sps.erf(np.random.rand(1e5))大约需要4ms。如果这确实是您的用例（而不是在循环中调用该函数 1000 次），那么您考虑该函数所花费的时间比您节省的时间要多得多。 -
性能差异主要是
erf还是rand？我猜是后者。如果您真的想加快代码速度，请自己在 Matlab mex 或任何与此等效的 Cython 中实现更快的随机数生成器。例如：Double precision SIMD-oriented Fast Mersenne Twister 或超级简单甚至更快的xorshift+ and xorshift* generators，如果您不需要这么长的时间。 -
@Carsten：我正在做 MCMC 采样，所以我打电话给
erf数百万或数十亿次。 -
@horchler：我尝试将
rand排除在外（我在这里仅将其用作真实数据的占位符），但它仍然认为MATLAB 的erf更快。
标签： python matlab scipy cython