我正在嘗試通過在Cython中實現(xiàn)它來優(yōu)化

Python算法.我的問題是關于以下代碼中存在的某個性能瓶頸：

@cython.boundscheck(False) # turn off bounds-checking for entire function

def anglesToRGB( np.ndarray[double, ndim=2] y, np.ndarray[double, ndim=2] x ):

cdef double angle

cdef double Hp

cdef double C

cdef double X

cdef np.ndarray[double, ndim=3] res = np.zeros([y.shape[0], y.shape[1], 3], dtype=np.float64)

for i in xrange(y.shape[0]):

for j in xrange(y.shape[1]):

angle = atan2( y[i,j], x[i,j] )*180.0/PI+180

C = sqrt(pow(y[i,j],2)+pow(x[i,j],2))/360.0 #Chroma

Hp = angle/60.0

X = C*(1-fabs( Hp%2-1))

C *= 255

X *= 255

if (0. <= Hp < 1.):

res[i,j,:] = [C,X,0]

elif (1. <= Hp < 2.):

res[i,j,:] = [X,C,0]

elif (2. <= Hp < 3.):

res[i,j,:] = [0,C,X]

elif (3. <= Hp < 4.):

res[i,j,:] = [0,X,C]

elif (4. <= Hp < 5.):

res[i,j,:] = [X,C,C]

else:

res[i,j,:] = [C,0,X]

return res

我已經確定了當我為res數組的一個片段分配值列表時的主要瓶頸,

喜歡

res[i,j,:] = [C,X,0]

但是,如果我將作業(yè)更改為

res[i,j,0] = C

res[i,j,1] = X

res[i,j,2] = 0

然后代碼運行速度提高了幾個數量級.

對我來說這很奇怪,因為Cython編譯器肯定應該足夠聰明地為我做這個嗎？或者我是否需要首先提供一些提示？

我應該注意到,將切片更改為0：3而不是：并且將值列表設置為numpy數組不會提高性能.

我想知道的是為什么這個操作如此糟糕地殺死性能,如果有任何方法可以解決它而不必犧牲方便的列表和切片表示法.

最好的祝福

總結

以上是生活随笔為你收集整理的python字符串数组切片性能_python – 为数组切片赋值很慢的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。