如何提高python中for循环的性能

Question

我正在用 python 进行大量模拟，模拟系统响应。

我目前一直在使用 Runge-Kutta 方案，但偶然发现了另一个我一直在测试的方案。

与我的 Runge-Kutta 相比，在 Matlab 中进行测试时，我获得了卓越的性能。但是，当我将其转移到 Python 时，速度明显变慢了。

我不确定这是否就是这样，或者我是否可以改进我的编码方式，所以如果可能的话，我很想听听您的一些意见。

Matlab中的代码，举例说明：

dt = 0.0001;

f = randn(1, (60 / dt));

ns = length(f);

yo = zeros(3,1);

P1 = [0; 0.001; 0];

F = [1 0.0001 0; 0.001 1 0.0001; 0.001 0 1];

y1 = zeros(3, ns);

tic

for i = 1:ns

    y1(:, i) = P1*f(:, i) + F*yo;

    yo = y1(:, i);

end

toc

其中循环在 0.55-0.61 秒内执行。

Python中的代码，举例说明：

dt = 0.0001

f = np.random.randn(1, int(60 / dt))

ns = np.size(f)

yo = np.zeros((3))

F = np.array([[1, 0.0001, 0], [0.001, 1, 0.0001], [0.001, 0, 1]])

P1 = np.transpose(np.array([[0, 0.0001, 0]]))

y1 = np.zeros((3, ns), order='F')

start_time = time.time()

for i in range(ns-1):

    y1[:, i] = np.dot(P1, f[:, i]) + np.reshape(np.dot(F, yo), (3))

    yo = y1[: , i]

print("--- %s seconds ---" % (time.time() - start_time))

其中循环在 2.8 -3.1 秒内执行。

我可以做些什么来改善这一点吗？

感谢您考虑我的问题。