关于python：C中的代码运行速度比NumPy快得多


Code runs much faster in C than in NumPy

我在Python中使用NoMPY编写物理仿真代码，而不是将它重写到C++。在C++中，在Python大约40秒的时候只需要0.5秒。有人能帮我找到我犯了什么可怕的错误吗？

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import numpy as np

def myFunc(i):
    uH = np.copy(u)
    for j in range(1, xmax-1):
        u[i][j] = a*uH[i][j-1]+(1-2*a)*uH[i][j]+a*uH[i][j+1]
    u[i][0] = u[i][0]/b
    for x in range(1, xmax):
        u[i][x] = (u[i][x]+a*u[i][x-1])/(b+a*c[x-1])
    for x in range(xmax-2,-1,-1):
        u[i][x]=u[i][x]-c[x]*u[i][x+1]
xmax = 101
tmax = 2000
#All other variables are defined here but I removed that for visibility
uH = np.zeros((xmax,xmax))
u = np.zeros((xmax,xmax))
c = np.full(xmax,-a)
uH[50][50] = 10000
for t in range(1, tmax):
    if t % 2 == 0:
        for i in range(0,xmax):
            myFunc(i)
    else:
        for i in range(0, xmax):
            myFunc(i)

如果有人想运行它，这里有完整的代码：http://pastebin.com/20zspbqq编辑：所有变量都是在整个代码中定义的，可以在Pastebin上找到。不好意思弄混了，我想清除所有的混乱会使代码更容易理解

相关讨论

从根本上讲，C是一种编译语言，当Python是解释语言时，它的速度与易用性相反。

numpy可以填补这个空白，但必须避免在项目上循环，这通常需要一些技巧。

例如，

1
2
3
4
def block1():
    for i in range(xmax):
     for j in range(1, xmax-1):
                u[i][j] = a*uH[i][j-1]+(1-2*a)*uH[i][j]+a*uH[i][j+1]

处于麻木状态：

1
2
def block2():
     u[:,1:-1] += a*np.diff(u,2)

与更短更快(和更容易阅读和理解？)：

1
2
3
4
5
In [37]: %timeit block1()
10 loops, best of 3: 25.8 ms per loop

In [38]: %timeit block2()
10000 loops, best of 3: 123 μs per loop

最后，您可以通过及时编译来加速numpy代码，numba允许这样做。只需将代码的开头更改为：

1
2
3
4
import numba
@numba.jit
def myFunc(u,i):
   ...

脚本末尾的myFunc(u,i)调用(u必须是自动确定类型的参数)，您将获得相同的性能(在我的电脑上为0,4秒)。

所以当我运行您的numpy python代码时，运行需要4分钟，一旦我删除了numpy代码并用标准的python代码替换它，只需要1分钟！(我有一台速度不太快的电脑)

这是代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
#import numpy as np

def impl(i,row):
    if row:
        uH = u[:][:] # this copys the array 'u'
        for j in range(1, xmax-1):
            u[i][j] = a*uH[i][j-1]+(1-2*a)*uH[i][j]+a*uH[i][j+1]
        u[i][0] = u[i][0]/b
        for x in range(1, xmax):
            u[i][x] = (u[i][x]+a*u[i][x-1])/(b+a*c[x-1])
        for x in range(xmax-2,-1,-1):
            u[i][x]=u[i][x]-c[x]*u[i][x+1]
    else:
        uH = u[:][:] # this copys the array 'u'
        for j in range(1, xmax-1):
            u[j][i]= a*uH[j-1][i]+(1-2*a)*uH[j][i]+a*uH[j+1][i]
        u[0][i] = u[0][i]/b
        for y in range(1, xmax):
            u[y][i] = (u[y][i]+a*u[y-1][i])/(b+a*c[y-1])
        for y in range(xmax-2,-1,-1):
            u[y][i]=u[y][i]-c[y]*u[y+1][i]

#Init
xmax = 101
tmax = 2000
D = 0.5
l = 1
tSec = 0.1
uH = [[0.0]*xmax]*xmax #np.zeros((xmax,xmax))
u = [[0.0]*xmax]*xmax #np.zeros((xmax,xmax))
dx = l / xmax
dt = tSec / tmax
a = (D*dt)/(dx*dx);
b=1+2*a
print("dx=="+str(dx))
print("dt=="+str(dt))
print(" a=="+str(a))
#koeficient c v trojdiagonalnej matici
c = [-a]*xmax #np.full(xmax,-a)
c[0]=c[0]/b
for i in range(1, xmax):
    c[i]=c[i]/(b+a*c[i-1])
uH[50][50] = 10000
u = uH
for t in range(1, tmax):
    if t % 2 == 0:
        for i in range(0,xmax):
            impl(i,False)
    else:
        for i in range(0, xmax):
            impl(i,True)

我相信，如果你使用了numpy的正确方式而不是数组的替代品，这可能会更快，但是，不使用numpy数组会将时间缩短到原来的1/4。

相关讨论