快速索引：带有 bool 和 str 的 numpy 数组的 Cython

Question

我正在尝试加快 Python 脚本的速度。我已经对代码进行了概要分析，并且已经在纯 Python 中进行了很多重构。看来我仍然花费大量时间以如下方式访问一些 numpy 数组：

KeyArray[BoolArray[index]]

其中 KeyArray 是 ndim=2 并包含字符串，BoolArray 是 ndim=1 并包含 bool 并且索引是 int。

我正在尝试学习 Cython，看看它有多快。我编写了以下不起作用的脚本：

import numpy as np
cimport numpy as np

def fastindexer(np.ndarray[np.str_t,ndim=1] KeyArray, np.ndarray [np.bool_t,ndim=2] BoolArray, np.int_t DateIndex):
    cdef np.ndarray[np.str_t,ndim=1] FArray = KeyArray[BoolArray[DateIndex]]
    return FArray

我了解 str/bool 类型在 np 数组中“按原样”不可用。我也尝试过投射，但我不明白应该怎么写。

欢迎大家帮忙

Answer 1

正如@Joe 所说，将单个索引语句移动到 Cython 不会给您带来速度。如果您决定将更多程序移至 Cython，则需要解决许多问题。

1) 您使用 def 而不是 cdef，从而将您限制为仅限 Python 功能。
2）您使用旧的缓冲区语法。了解memoryviews
3）切片二维数组很慢，因为每次都会创建一个新的内存视图。也就是说，它仍然比 Python 快很多，但要获得最佳性能，您必须使用不同的方法。

这里有一些东西可以帮助您入门。

cpdef func():
   cdef int i
   cdef bool[:] my_bool_array = np.zeros(10, dtype=bool)
   # I'm not if this next line is correct 
   cdef char[:,:] my_string_array = np.chararray((10, 10))
   cdef char answer

   for i in range(10):
       answer = my_string_array[ my_bool_array[i] ]