我通过向一些变量添加类型，将python函数转换为cython等效函数。但是，cython函数生成的输出与原始python函数略有不同。在

我在这篇文章中了解了造成这种差异的一些原因

Cython: unsigned int indices for numpy arrays gives different result

但是即使我在这篇文章中了解到的，我仍然不能让cython函数产生与python函数相同的结果。在

所以我把4个函数放在一起说明我所做的。有人能帮我解释一下为什么每个函数的结果略有不同？如何得到一个cython函数，它返回与function1相同的值？我在下面发表一些评论：%%cython

import numpy as np

cimport numpy as np

def function1(response, max_loc):

x, y = int(max_loc[0]), int(max_loc[1])

tmp1 = (response[y,x+1] - response[y,x-1]) / 2*(response[y,x] - min(response[y,x-1], response[y,x+1]))

tmp2 = (response[y,x+1] - response[y,x-1])

tmp3 = 2*(response[y,x] - min(response[y,x-1], response[y,x+1]))

print tmp1, tmp2, tmp3

return tmp1, tmp2, tmp3

cpdef function2(np.ndarray[np.float32_t, ndim=2] response, np.ndarray[np.float64_t, ndim=1] max_loc):

cdef unsigned int x, y

x, y = int(max_loc[0]), int(max_loc[1])

tmp1 = (response[y,x+1] - response[y,x-1]) / 2*(response[y,x] - min(response[y,x-1], response[y,x+1]))

tmp2 = (response[y,x+1] - response[y,x-1])

tmp3 = 2*(response[y,x] - min(response[y,x-1], response[y,x+1]))

print tmp1, tmp2, tmp3

return tmp1, tmp2, tmp3

cpdef function3(np.ndarray[np.float32_t, ndim=2] response, np.ndarray[np.float64_t, ndim=1] max_loc):

cdef unsigned int x, y

x, y = int(max_loc[0]), int(max_loc[1])

cdef np.float32_t tmp1, tmp2, tmp3

cdef np.float32_t r1 =response[y,x+1]

cdef np.float32_t r2 =response[y,x-1]

cdef np.float32_t r3 =response[y,x]

cdef np.float32_t r4 =response[y,x-1]

cdef np.float32_t r5 =response[y,x+1]

tmp1 = (r1 - r2) / 2*(r3 - min(r4, r5))

tmp2 = (r1 - r2)

tmp3 = 2*(r3 - min(r4, r5))

print tmp1, tmp2, tmp3

return tmp1, tmp2, tmp3

def function4(response, max_loc):

x, y = int(max_loc[0]), int(max_loc[1])

tmp1 = (float(response[y,x+1]) - response[y,x-1]) / 2*(float(response[y,x]) - min(response[y,x-1], response[y,x+1]))

tmp2 = (float(response[y,x+1]) - response[y,x-1])

tmp3 = 2*(float(response[y,x]) - min(response[y,x-1], response[y,x+1]))

print tmp1, tmp2, tmp3

return tmp1, tmp2, tmp3

max_loc = np.asarray([ 15., 25.], dtype=np.float64)

response = np.zeros((49,49), dtype=np.float32)

x, y = int(max_loc[0]), int(max_loc[1])

response[y,x] = 0.959878861904

response[y,x-1] = 0.438348740339

response[y,x+1] = 0.753262758255

result1 = function1(response, max_loc)

result2 = function2(response, max_loc)

result3 = function3(response, max_loc)

result4 = function4(response, max_loc)

print result1

print result2

print result3

print result4

结果是：

^{pr2}$

function1表示我在原始python函数中所做的操作。tmp1是结果。在

function2是我的第一个cython版本，它产生的结果略有不同。显然，如果使用类型化变量unsigned int或int为响应数组编制索引，则结果将强制为double(使用PyFloat_FromDouble)，即使数组的类型是np.float32但是如果数组是用python int索引的，则使用函数PyObject_GetItem，我得到np.float32, 函数1就是这样。所以函数1中的表达式是用np.float32操作数，而函数2中的表达式是使用双精度运算的。

我得到的打印结果与函数1中的略有不同。在

function3是我第二次尝试获得与function1相同的输出。这里我使用unsigned int索引来访问数组响应，但是结果是保留的np.float32然后我在计算中使用的中间变量。我得到的结果略有不同。显然print语句将使用PyFloat_FromDouble，因此无法打印np.float32一

然后我试图更改python函数以匹配cython函数。函数4试图通过将每个表达式中的至少一个操作数转换为float来实现这一点，因此其他操作数也被强制转换为python float，这在cython中是一个double，并且表达式是用double计算的，如function2所示。函数内部的打印与function2完全相同，但返回的值略有不同？！在