为什么我的 Python 脚本与 Matlab 相比太慢了？答案

【问题标题】：Why is my Python script too slow in comparison with Matlab?为什么我的 Python 脚本与 Matlab 相比太慢了？
【发布时间】：2017-07-02 21:13:21
【问题描述】：

我正在考虑从 Matlab 切换到 Python (NumPy)。因此，作为一项学习任务，我尝试在 Python 上重写一个简单的随机模型。 python 脚本返回正确答案，但运行速度太慢！ Python 需要 3 分钟，而不是像 Matlab 一样需要 3 秒。我做错了什么？

Matlab：

clear all; clc;
tic

T = 0.05;
Tmax = 3600;
t = T:T:Tmax;
N = length(t);
G = [0 0;
    0 T];

F = [1 T;
    0 1];

Dksi = 13*1; 
Deta = 10*1; 
Band = 0.1:0.1:3;
RMS_Omega = nan(1, length(Band));
for i = 1:length(Band)
    K = nan(2, 1);
    K(1) = 8/3 * Band(i) * T; 
    K(2) = 32/9 * Band(i)^2 * T;

    ksi = sqrt(Dksi) * randn(1, N); 
    eta = sqrt(Deta) * randn(1, N); 

    Xest = [0; 0]; 
    Xextr = F*Xest;

    Xist = [0; 0];

    ErrOmega = nan(1, N); Omega = nan(1, N);
    for k = 1:N
        Xist = F*Xist + G*[0; ksi(k)];
        omega_meas = Xist(1) + eta(k);
        Xest = Xextr + K*(omega_meas - Xextr(1)); 
        Xextr = F*Xest; 
        ErrOmega(k) = Xest(1) - Xist(1); 
        Omega(k) = Xist(1);
    end

    RMS_Omega(i) = sqrt(mean(ErrOmega.^2));
end

figure(1)
hold on
plot(Band, RMS_Omega);
hold off
xlabel('Bandwidth, Hz'); ylabel('RMS \omega, Hz');
toc

Python：

#!/usr/bin/python
# -*- coding: utf-8 -*-

import math
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import time as time


tbeg = time.time()

T = 0.005
Tmax = 3600.0

t = np.linspace(T, Tmax, int(Tmax/T))
N = len(t)

G = np.array([[0, 0],
              [0, T]])

F = np.array([[1, T],
              [0, 1]])

Dksi = 13.0
Deta = 10.0

Band = np.linspace(0.1, 3.0, 30)
Band_for_plot = 2

RMS_Omega = np.array([None for i in range(0, len(Band))])

for i, BW in enumerate(Band):
    K = np.array([[8/3 * BW * T],
                  [32/9 * BW*BW *T]])

    ksi = math.sqrt(Dksi) * np.random.randn(N)
    eta = math.sqrt(Deta) * np.random.randn(N)

    Xest = np.array([[0],
                     [0]])
    Xextr = F.dot(Xest)

    Xist = np.array([[0],
                     [0]])

    ErrOmega = np.array([None for j in range(0, N)])
    Omega    = np.array([None for j in range(0, N)])

    for k in range(0, N):
        Xist = F.dot(Xist) + G.dot(np.array([[0],
                                             [ksi[k]]]))
        omega_meas = Xist[0] + eta[k]
        Xest = Xextr + K * (omega_meas - Xextr[0])
        Xextr = F.dot(Xest)
        ErrOmega[k] = Xest[0] - Xist[0]
        Omega[k] = Xist[0]

    RMS_Omega[i] = math.sqrt(np.mean(ErrOmega**2))

elapsed = time.time() - tbeg
print(elapsed, u'sec')

【问题讨论】：

分析你的python脚本会告诉你瓶颈。
你有巨大的原生 python 循环。那些会很慢（相对而言）。 Numpy 不是魔法仙尘，只有矢量化它才会加速你的代码。
是的 2 个大型普通 python 循环，这可能是你速度慢的地方，多使用 numpy
好吧，一方面，在 Matlab T = 0.05 中，但在 Python T = 0.005 中 - 你正在让 Python 处理 10 倍的数据。
您的 MATLAB 在旧版本上也会很慢。当前的 MATLAB 有一些 JIT 编译，可以让你摆脱循环。

标签： python matlab numpy

【解决方案1】：

处理过类似问题后，我学会了避免翻译代码。尽管它可以节省写作时间，但它不能在运行中（权衡使用/写作时间）。

Python 中的for 循环通常比 Matlab 慢，但提供了大量工具和库来帮助构建良好的代码，因此请充分利用它们。问题中的cmets已经是很好的帮助了！

【讨论】：