python创建数组并运行_python-Cython中从现有数组和变量创建新数组...
与“普通” Python相比,Cython为我们提供了更多对array.array内部的访问,因此我们可以利用它来加速代码:
>对于您的小示例,几乎减少了7倍(消除了大部分开销).
对于较大的输入,通过消除不必要的数组副本,将其乘以2.
请阅读以获得更多详情.
尝试针对如此小的输入优化功能是有点不寻常的,但并非没有(至少是理论上的)兴趣.
因此,让我们从您的函数作为基线开始:
a=array('l', [1,2,3])
%timeit pyappend(a, 8)
1.03 ?s ± 10.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
lst=[1,2,3]
%timeit pylistappend(lst, 8)
279 ns ± 6.03 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
我们必须意识到:我们要衡量的不是复制成本而是开销成本(python解释器,调用函数等),例如a包含3个元素还是5个元素没有什么区别:
a=array('l', range(5))
%timeit pyappend(a, 8)
1.03 ?s ± 6.76 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
在数组版本中,我们有更多的开销,因为我们通过复制模块进行了间接访问,我们可以尝试消除这种情况:
def pyappend2(arr, x):
result = array('l',arr)
result.append(x)
return result
%timeit pyappend2(a, 8)
496 ns ± 5.04 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
那更快.现在让我们使用cython-这将消除翻译程序的成本:
%%cython
def cylistappend(lst, x):
result = lst[:]
result.append(x)
return result
%%cython
from cpython cimport array
def cyappend(array.array arr, long long int x):
cdef array.array res = array.array('l', arr)
res.append(x)
return res
%timeit cylistappend(lst, 8)
193 ns ± 12.4 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)
%%timeit cyappend(a, 8)
421 ns ± 8.08 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
cython版本的列表大约快33%,阵列大约快10%.构造函数array.array()期望可迭代,但是我们已经有了array.array,因此我们使用cpython中的功能来访问array.array对象的内部,并稍微改善这种情况:
%%cython
from cpython cimport array
def cyappend2(array.array arr, long long int x):
cdef array.array res = array.copy(arr)
res.append(x)
return res
%timeit cyappend2(a, 8)
305 ns ± 7.25 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
下一步,我们需要知道array.array如何追加元素:通常为it over-allocates,所以append()的摊销成本为O(1),但是在array.copy之后,新数组恰好是所需数量的元素,下一个追加调用重新分配.我们需要进行更改(有关使用的功能的说明,请参见here):
%%cython
from cpython cimport array
from libc.string cimport memcpy
def cyappend3(array.array arr, long long int x):
cdef Py_ssize_t n=len(arr)
cdef array.array res = array.clone(arr,n+1,False)
memcpy(res.data.as_voidptr, arr.data.as_voidptr, 8*n)#that is pretty sloppy..
res.data.as_longlongs[n]=x
return res
%timeit cyappend3(a, 8)
154 ns ± 1.34 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)
与您的函数类似,内存已过度分配,因此我们不再需要调用resize().现在我们比列表快,比原始python版本快近7倍.
让我们比较一下更大数组大小的时序(a = array(‘l’,range(1000)),lst = list(range(1000))),其中数据的复制占据了大部分运行时间:
pyappend 1.84 ?s #copy-module is slow!
pyappend2 1.02 ?s
cyappend 0.94 ?s #cython no big help - we are copying twice
cyappend2 0.90 ?s #still copying twice
cyappend3 0.43 ?s #copying only once -> twice as fast!
pylistappend 4.09 ?s # needs to increment refs of integers
cylistappend 3.85 ?s # the same as above
现在,消除不必要的array.array副本可以得到预期的因子2.
对于更大的数组(10000个元素),我们看到以下内容:
pyappend 6.9 ?s #copy-module is slow!
pyappend2 4.8 ?s
cyappend2 4.4 ?s
cyappend3 4.4 ?s
两个版本之间不再存在差异(如果放弃慢速复制模块).这样做的原因是对如此大量元素的array.array的行为发生了改变:复制时,它会过度分配,从而避免了在第一个append()之后进行重新分配.
我们可以轻松地检查它:
b=array('l', array('l', range(10**3)))#emulate our functions
b.buffer_info()
[] (94481422849232, 1000)
b.append(1)
b.buffer_info()
[] (94481422860352, 1001) # another pointer address -> reallocated
...
b=array('l', array('l', range(10**4)))
b.buffer_info()
[](94481426290064, 10000)
b.append(33)
b.buffer_info()
[](94481426290064, 10001) # the same pointer address -> no reallocation!
python创建数组并运行_python-Cython中从现有数组和变量创建新数组...相关推荐
- Java黑皮书课后题第7章:*7.12(倒置数组)7.7节中的reverse方法通过复制到新数组实现倒置。改写方法将参数中传递的数组倒置,并返回该数组。编写一个测试程序,输入10个数字,倒置它们并显示
7.12(倒置数组)7.7节中的reverse方法通过复制到新数组实现倒置.改写方法将参数中传递的数组倒置,并返回该数组.编写一个测试程序,输入10个数字,倒置它们并显示 题目 题目描述 破题 代码 ...
- Python编程语言学习:在for循环中如何同时使用2个变量或者3个变量
Python编程语言学习:在for循环中如何同时使用2个变量或者3个变量 目录 在for循环中如何同时使用2个变量或者3个变量 在for循环中如何同时使用2个变量
- 数组[Java](除去一个数组中的某个值并生成一个新数组)
** 数组 **[Java](除去一个数组中的某个值并生成一个新数组) 例如:现在有如下的一个数组: int oldArr[]={1,3,4,5,0,0,6,6,0,5,4,7,6,7,0,5} ; ...
- python启动多个进程_Python程序中的进程操作--—--开启多进程
Python程序中的进程操作-----开启多进程 之前我们已经了解了很多进程相关的理论知识,了解进程是什么应该不再困难了,刚刚我们已经了解了,运行中的程序就是一个进程.所有的进程都是通过它的父进程来创 ...
- python输入y继续运行_Python二三事 - 接触Python(x,y)
注释:本文原来转自博客大巴的一篇文章,向原作者致谢!我也做了相应的修改,更加完善对于Pythonx,y的介绍 Python 二三事 面向初学者介绍Python相关的一些工具,以及可能遇到的常见问题. ...
- python类中包含一个特殊的变量、它可以访问类的成员_Python类中包含一个特殊的变量( ),它表示当前对象自身,可以访问类的成员....
包含票务系统的业务管理主要内容包括()A:运营监督B:规则管理C:信息管理D:财务管理E:模式管理 特殊表嘌呤核苷酸补救合成途径的主要器官是().A:脑组织B:小肠C:胸腺D:肝脏E:肾脏 示当身嘌呤 ...
- java中字符串的创建_【转载】 Java中String类型的两种创建方式
本文转载自 https://www.cnblogs.com/fguozhu/articles/2661055.html Java中String是一个特殊的包装类数据有两种创建形式: String s ...
- mysql 存储过程 set into_mysql存储过程之创建(CREATE PROCEDURE)和调用(CALL)及变量创建(DECLARE)和赋值(SET)操作方法...
本文实例讲述了mysql存储过程之创建(CREATE PROCEDURE)和调用(CALL)及变量创建(DECLARE)和赋值(SET)操作方法.分享给大家供大家参考,具体如下: 存储过程创建(CRE ...
- python三维数组怎么表示_python – numpy中的三维数组
你有一个截断的数组表示.让我们看一个完整的例子: >>> a = np.zeros((2, 3, 4)) >>> a array([[[ 0., 0., 0., 0 ...
- python中如何创建类的对象_python面向对象中如何建立具体的对象?
我们现在眼前所能看到的事物,都是具体的对象.很多小伙伴在面向对象中创建对象,其实都停留在对象名称的建立,计算机中并没有具体对象的描述属性.我们想要使用python中的类,建立的对象就需要是具体的.下面 ...
最新文章
- python中nlp的库_单词袋简介以及如何在Python for NLP中对其进行编码
- java.io.file()_Java IO(一):IO和File
- 光流(Optical Flow)简介
- matlab图像显示时间,请问怎么把样点数变成时间显示在图像了里
- 浅谈NLP中的对抗训练方式
- mysql逻辑备份之mysqldump
- 基于Dockerfile创建一个最简单的docker镜像
- Python -- sys模块
- linux系统 远程桌面连接到服务器,Ubuntu 14.04服务器远程桌面连接
- 解决人工智能PCA算法输出不稳定的方案
- SparkSQL源代码:GlobalTempView与LocalTempView
- 1、linux网络服务实验 用PuTTY连接Linux
- python小波去噪的方法_小波去噪基本概念
- Fedora 13 咪咕播放器
- 关于Pandownload一些功能的挖掘
- 100923G-Por Costel and the Orchard
- Weka中数据挖掘与机器学习系列之Exploer界面(七)
- 最通俗易懂---多分类学习之OvO、OvR、MvM
- Python爬虫(第五周)
- java返回一个布尔值_关于java:返回布尔值的方法
热门文章
- cf813C(bfs)
- mui dtpicker 时间的设置 以及MUI的弹窗
- GCD中的队列与任务
- 每个前端工程师都应该懂的前端性能优化总结:
- MATLAB半色调,基于改进协方差矩阵的半色调图像分类研究
- 取到小数后三位_小数名师工作室 数学实验 || 一个小数乘10、100、1000……的计算规律...
- java 过滤器 弹出提示_JavaWeb 过滤器——验证登录 防止未登录进入界面
- 最近点对模板__hdu1007
- Cadence 16 ( Allegro PCB ) 使用 Shape Symbol 制作不规则焊盘
- 图论算法在机试实现中的一些技巧和陷阱