Cython：声明类似列表的函数参数

Question

我正在尝试创建一个简单的 cython 模块并遇到以下问题。我想创建一个类似的函数：

cdef float calc(float[:] a1, float[:] a2):
    cdef float res = 0
    cdef int l = len(a2)
    cdef float item_a2
    cdef float item_a1

    for idx in range(l):
        if a2[idx] > 0:
            item_a2 = a2[idx]
            item_a1 = a1[idx]
            res += item_a2 * item_a1

    return res

函数执行时，a1 和 a2 参数是 python 列表。因此我得到错误：

TypeError: 需要一个类似字节的对象，而不是“列表”

我只需要进行这样的计算即可。但是，如果我需要使用 C 最大化加速，我应该如何定义输入参数 float[:] a1 和 float[:] a2？ 可能需要手动将列表转换为数组？

附：如果您还可以向我解释是否有必要明确声明 cdef float item_a2 以执行乘法（就性能而言）或者它与 result += a2[idx] * a1[idx] 相同，我将不胜感激

Answer 1

cdef float calc(float[:] a1, float[:] a2):

a1 和 a2 可以是 supports the buffer protocol 并具有 float 类型的任何对象。最常见的示例是 numpy 数组或 standard library array module。他们不会接受 Python 列表，因为 Python 列表不是有效地打包到内存中的单一同质 C 类型，而是 Python 对象的集合。

要从 Python 列表中创建合适的对象，您可以执行以下任一操作：

numpy.array([1.0,2.0],dtype=numpy.float32)
array.array('f',[1.0,2.0])

（您可能需要考虑使用double/float64 而不是float 以获得更高的精度，但这是您的选择）

如果您不想创建这样的数组对象，那么 Cython 不会对您有太大帮助，因为普通列表无法提高速度。

另一个答案中建议的 np.ndarray[FLOAT, ndim=1] a1 语法是您已经在使用的 memoryview 语法的过时版本。使用它没有任何优点（还有一些小缺点）。

---

result += a2[idx] * a1[idx]

很好 - Cython 知道 a1 和 a2 的类型，因此无需创建临时中间变量。您可以使用cython -a filename.pyx 获取一个突出显示的 html 文件，以检查这将有助于指示非加速部分的位置。

Answer 2

赛通回答

一种方法可以做到这一点（如果你愿意使用 numpy）：

import numpy as np
cimport numpy as np

ctypedef np.npy_float FLOAT
ctypedef np.npy_intp INTP

cdef FLOAT calc(np.ndarray[FLOAT, ndim=1, mode='c'] a1, 
                np.ndarray[FLOAT, ndim=1, mode='c'] a2):
    cdef FLOAT res = 0
    cdef INTP l = a2.shape[0]
    cdef FLOAT item_a2
    cdef FLOAT item_a1

    for idx in range(l):
        if a2[idx] > 0:
            item_a2 = a2[idx]
            item_a1 = a1[idx]
            res += item_a2 * item_a1

    return res

这将需要您的数组使用 np.float32 dtype。如果您想要np.float64，您可以将FLOAT 重新定义为np.float64_t。

一条不请自来的建议...l 是变量的坏名称，因为它看起来像一个数字。考虑将其重命名为 length 或类似名称。

带有 Numpy 的纯 python

最后，您似乎正在尝试计算两个向量之间的点积，其中一个数组中的元素为正数。您可以在这里非常有效地使用 Numpy 来获得相同的结果。

>>> import numpy as np
>>> a1 = np.array([0, 1, 2, 3, 4, 5, 6])
>>> a2 = np.array([1, 2, 0, 3, -1])
>>> a1[:a2.shape[0]].dot(np.maximum(a2, 0))
11

注意，我添加了 a1 切片，因为您没有在 Cython 函数中检查长度是否相等，而是使用了 a2 的长度。所以我假设长度可能不同。