Cython 额外的输入和 numpy 数组的 cimport 会降低性能吗？

Question

下面是我编写的两个简单的 Cython 方法。在 g_cython() 方法中，我对 numpy 数组 a 和 b 使用了额外的类型，但令人惊讶的是 g_cython() 比 g_less_cython() 慢两倍。我想知道为什么会发生这种情况？我认为添加这将使 a 和 b 上的索引更快？

附言。我知道这两个函数都可以在 numpy 中矢量化——我只是在探索 cython 优化技巧。

import numpy as np; 
cimport numpy as np;

def g_cython(np.ndarray[np.int_t, ndim = 1] a, percentile):
    cdef int i
    cdef int n = len(a)
    cdef np.ndarray[np.int_t, ndim = 1] b = np.zeros(n, dtype = 'int')
    for i in xrange(n):
        b[i] = np.searchsorted(percentile, a[i])
    return b


def g_less_cython(a, percentile):
    cdef int i
    b = np.zeros_like(a)
    for i in xrange(len(a)):
        b[i] = np.searchsorted(percentile, a[i])
    return b

我的测试用例是当 len(a) == 1000000 且 len(percentile) = 100 时

def main3():
    n = 100000
    a = np.random.random_integers(0,10000000,n)
    per = np.linspace(0, 10000000, 101)

    q = time.time()
    b = g_cython(a, per)
    q = time.time() - q
    print q

q = time.time()
bb = g_less_cython(a, per)
q = time.time() - q
print q

Answer 1

我测试了你的代码，g_cython 比 g_less_cython 稍快。

这是测试代码，

import pyximport; pyximport.install()
import search_sorted
import numpy as np
import time
x = np.arange(100000, dtype=np.int32)
y = np.random.randint(0, 100000, 100000)

start = time.clock()
search_sorted.g_cython(y, x)
print time.clock() - start

start = time.clock()
search_sorted.g_less_cython(y, x)
print time.clock() - start

输出是：

0.215430514708
0.259622599945

我关闭了边界检查和环绕标志：

@cython.boundscheck(False)
@cython.wraparound(False)
def g_cython(np.ndarray[np.int_t, ndim = 1] a, percentile):
    ....

差异并不明显，因为 np.searchsorted(percentile, a[i]) 的调用是使用大部分 CPU 的关键部分。