Cython：在纯 Python 模式下有效地使用 Numpy

Question

我对使用 Cython 很陌生，我对使用“纯 Python”模式很感兴趣。

我现在正在做的工作广泛使用 numpy，并且知道有一个用于 numpy 的 C api，我很高兴看到它可以做什么。

作为一个小测试，我将两个小测试文件放在一起，test.py 和 test.pxd。它们的内容如下：

test.py：

import cython
import numpy as np

@cython.locals(array=np.ndarray)
@cython.returns(np.ndarray)
def test(array):
    return np.cumsum(array)

test_array = np.array([1,2,3,4,5])
test(test_array)

test.pxd:

# cython: language_level=3
cimport numpy as np

cdef np.ndarray test(np.ndarray array)

然后我用cython -a test.py 编译这些文件，希望在调用np.cumsum() 时我几乎看不到python 交互。然而，当我检查生成的 HTML 文件时，我发现了以下内容：

由此看来，我对 np.cumsum 的调用似乎与 python 进行了大量交互，这让人感觉很反直觉。我的期望是，因为我（应该）使用 cimported numpy，所以应该很少有 python 交互。

我的问题是“我的直觉正确吗？”。我是否对我的文件进行了错误设置，不允许 cimported numpy 实际用于函数调用，这就是为什么我仍然看到这么多黄色的原因？还是我从根本上误解了什么。

感谢阅读！

Answer 1

将类型定义为np.ndarray 主要改进了一件事：它使索引它们以显着更快地获取单个值。几乎其他一切都保持相同的速度。

np.cumsum（和任何其他 Numpy 函数）通过​​标准 Python 机制调用并以完全相同的速度运行（当然，它在内部是用 C 实现的，应该很快）。数学运算符（如 add+, -, *, etc.）也通过 Python 调用并且保持相同的速度。

实际上，您的包装可能会使其变慢 - 它添加了不必要的类型检查（以确保数组是 np.ndarray）和额外的间接层。

在这里打字没有任何收获。