使用 numba 处理和操作 numpy 数组答案

【问题标题】：Working and manipulating numpy arrays with numba使用 numba 处理和操作 numpy 数组
【发布时间】：2015-05-06 01:08:44
【问题描述】：

为什么 Numba 的 jit 不能编译一个简单的 Numpy 数组操作？

这是一个重现 Numba 无法编译的最小非工作示例

import numpy as np
from numba import jit

rows = 10
columns = 999999
A = np.empty((rows, columns))
b = np.linspace(0, 1, num=rows)

@jit(nopython=True)
def replicate(A, b):
    for i in range(A.shape[1]):
        A[:, i] = b
    return A #optional

replicate(a, b)

出现以下错误：

TypingError: Failed at nopython (nopython frontend)
Cannot resolve setitem: array(float64, 1d, C, nonconst)[(slice3_type, int64)] = array(float64, 1d, C, nonconst)
File "<ipython-input-32-db24fbe2922f>", line 12

我做错了吗？

顺便说一句，我需要 nopython 模式，因为在我的实际情况中，我需要经常执行数组加法、标量乘法以及数组填充其他数组。我的理解是，在对象模式下我将无法进行循环抖动，因此我不会看到任何真正的执行性能提升。

【问题讨论】：

标签： python numpy jit numba

【解决方案1】：

Numba 不支持 nopython 模式下的 numpy 切片。尝试显式展开循环：

rows = 10
columns = 999999
a = np.empty((rows, columns))
b = np.linspace(0, 1, num=rows)

@jit(nopython=True)
def replicate(A, b):
    for i in xrange(A.shape[0]):
        for j in xrange(A.shape[1]):
            A[i, j] = b[i]
    return A #optional

replicate(a, b)

【讨论】：