Cython 比 Numpy 慢（来自 Python Cookbook 的示例）

Question

该片段来自 Python Cookbook 一书。有三个文件。

样本.pyx

cimport cython

@cython.boundscheck(False)

@cython.wraparound(False)

cpdef clip(double[:] a, double min, double max, double[:] out):

    if min > max:

        raise ValueError('min must be <= max')

    if a.shape[0] != out.shape[0]:

        raise ValueError('input and output arrays must be the same size!')

    for i in range(a.shape[0]):

        if a[i] < min:

            out[i] = min

        elif a[i] > max:

            out[i] = max

        else:

            out[i] = a[i]

setup.py

from distutils.core import setup

from Cython.Build import cythonize

setup(ext_modules=cythonize("sample.pyx"))

和 main.py 作为测试文件

b = np.random.uniform(-10, 10, size=1000000)

a = np.zeros_like(b)

since = time.time()

np.clip(b, -5, 5, a)

print(time.time() - since)

since = time.time()

sample.clip(b, -5, 5, a)

print(time.time() - since)

令人惊讶的是，Numpy 的运行速度比 Cython 代码快 2 倍，而这本书声称恰恰相反。我机器上的性能是：

0.0035216808319091797

0.00608062744140625

这是为什么？

Answer 1

我可以确认你的结果（numpy 1.15 vs Cython 0.28.3 + gcc-5.4）：>>>&nbsp; %timeit sample.clip(b, -5, 5, a)20.5 ms ± 230 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)>>>&nbsp; %timeit np.clip(b, -5, 5, a)11.7 ms ± 312 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)很难说为什么食谱的作者有其他时间：其他 numpy 版本或其他编译器。在这种情况下，np.clip除了使用 SIMD 指令外，没有太大的改进空间。但是，您的 Cython 代码不是最佳的。您可以通过声明内存视图是连续的 iedouble[::1]而不是double[:]. 这会产生一个 cythonized C 代码，它更容易为编译器优化（有关更多信息，请参阅此SO-question）：cpdef clip2(double[::1] a, double min, double max, double[::1] out):&nbsp; &nbsp;....>>>&nbsp; %timeit sample.clip2(b, -5, 5, a)11.1 ms ± 69.9 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)这大约与 numpy 版本一样快。但是，为了获得最佳结果，我会推荐Numba：使用Numba获得更好的性能比使用 Cython 容易得多（参见例如这个SO-question）：import numba as&nbsp; nb&nbsp;&nbsp;@nb.njitdef nb_clip(a, min, max, out):&nbsp; &nbsp; if min > max:&nbsp; &nbsp; &nbsp; &nbsp; raise ValueError('min must be <= max')&nbsp; &nbsp; if a.shape[0] != out.shape[0]:&nbsp; &nbsp; &nbsp; &nbsp; raise ValueError('input and output arrays must be the same size!')&nbsp; &nbsp; for i in range(a.shape[0]):&nbsp; &nbsp; &nbsp; &nbsp; if a[i] < min:&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; out[i] = min&nbsp; &nbsp; &nbsp; &nbsp; elif a[i] > max:&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; out[i] = max&nbsp; &nbsp; &nbsp; &nbsp; else:&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; out[i] = a[i]&nbsp;...&nbsp;%timeit nb_clip(b, -5, 5, a)&nbsp;4.7 ms ± 333 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)Numba 和原始 Cython 版本之间的性能差异在这里是由于 clang（这是 Numba 用于编译的）在这种特殊情况下能够生成比 gcc 更好的汇编程序。当我在 Cython 中切换到 clang-5.0 时，我可以匹配（甚至略微击败）Numba。