蟒蛇用Cython - 消除蟒蛇電話

Question

我目前正試圖轉換下面的循環，以用Cython：

cimport numpy as np 
cimport cython 
@cython.boundscheck(False) # turn of bounds-checking for entire function 
def Interpolation(cells, int nmbcellsx): 
    cdef np.ndarray[float, ndim=1] x,y,z 
    cdef int i,j,len 
    for i in range(nmbcellsx): 
     x = cells[i].x 
     y = cells[i].y 
     z = cells[i].z 
     len = x.size 
     for j in range(len): 
     x[j] = x[j] * y[j] * z[j] 

    return 0 

到目前爲止，一切看起來都種好了，但訪問細胞[I] *仍然需要。 python調用。這防止了i-循環的並行化。

下面是一個用Cython反饋（與用Cython -a生成）：

cython -a feedback

因此這樣的問題：如何刪除這些蟒回調（即，使得線9-12成爲白色）？

當試圖增加該小區的種類是這樣的：

cimport numpy as np 
cimport cython 

cdef class cell_t: 
    cdef np.ndarray x,y,z 

@cython.boundscheck(False) # turn of bounds-checking for entire function 
def Interpolation(np.ndarray[cell_t,ndim=1] cells, int nmbcellsx): 
    cdef np.ndarray[float, ndim=1] x,y,z 
    cdef int i,j,len 
    for i in range(nmbcellsx): 
     x = cells[i].x 
     y = cells[i].y 
     z = cells[i].z 
     len = x.size 
     for j in range(len): 
     x[j] = x[j] * y[j] * z[j] 

    return 0 

我收到以下用Cython誤差：D型細胞必須是「對象」，數值類型或一個結構（它被抱怨cell_t聲明）

多謝內。

Answer 1

你沒有告訴用Cython您cells參數的類型，因此它將使用Python的查找方法。嘗試改變的定義如下：

def Interpolation(np.ndarray cells, int nmbcellsx):

這將告訴用Cython它得到ndarray類型，從而可以使用Ç訪問。

Answer 2

如何使用Typed Memoryview？

cimport cython 

cdef class cell_t: 
    cdef public float[:] x, y, z 

    def __init__(self, x, y, z): 
     self.x = x 
     self.y = y 
     self.z = z 


@cython.boundscheck(False) # turn of bounds-checking for entire function 
def Interpolation(cell_t[:] cells, int nmbcellsx): 
    cdef float[:] x,y,z 
    cdef int i,j,length 
    cdef cell_t cell 
    for i in range(nmbcellsx): 
     cell = cells[i] 
     x = cell.x 
     y = cell.y 
     z = cell.z 
     length = len(x) 
     for j in range(length): 
      x[j] = x[j] * y[j] * z[j] 
    return 0 

下面是測試代碼：

import numpy as np 
from cells import cell_t, Interpolation 

x = np.array([1,2,3], np.float32) 
y = np.array([4,5,6], np.float32) 
z = np.array([7,8,9], np.float32) 
c1 = cell_t(x, y, z) 

x = np.array([1,1,1,1,1], np.float32) 
y = np.array([2,2,2,2,2], np.float32) 
z = np.array([3,3,3,3,3], np.float32) 
c2 = cell_t(x, y, z) 

cells = np.array([c1, c2], object) 

Interpolation(cells, 2) 

print c1.x.base 
print c2.x.base 

和輸出：

[ 28. 80. 162.] 
[ 6. 6. 6. 6. 6.]