我试图向我们的团队展示Cython的优点,以提高
Python性能.我已经显示了几个基准,所有这些都可以通过以下方式获得加速：
>编译现有的Python代码.
>将cdef用于静态类型变量,特别是内部循环.@H_301_4@
然而,我们的大部分代码都是字符串操作,而且我还没有想出通过键入Python字符串来优化代码的很好的例子.@H_301_4@
我试过的一个例子是：@H_301_4@
cdef str a cdef int i,j for j in range(1000000): a = str([chr(i) for i in range(127)])
但是键入’a’作为字符串实际上使代码运行速度更慢.我已经阅读了关于“Unicode和传递字符串”的文档,但是在我看到的情况下,它是如何应用的.我们不使用Unicode – 一切都是纯ASCII.我们使用的是Python 2.7.2@H_301_4@
任何建议是赞赏.@H_301_4@
解决方法
我建议你在cpython.array.arrays上进行你的操作.最好的文档是C API和Cython源码,我太懒了链接了.
from cpython cimport array
def cfuncA():
cdef str a
cdef int i,j
for j in range(1000):
a = ''.join([chr(i) for i in range(127)])
def cfuncB():
cdef:
str a
array.array[char] arr,template = array.array('c')
int i,j
for j in range(1000):
arr = array.clone(template,127,False)
for i in range(127):
arr[i] = i
a = arr.tostring()
请注意,所需的操作与您对字符串的操作有很大的不同.@H_301_4@
>>> python2 -m timeit -s "import pyximport; pyximport.install(); import cyytn" "cyytn.cfuncA()" 100 loops,best of 3: 14.3 msec per loop >>> python2 -m timeit -s "import pyximport; pyximport.install(); import cyytn" "cyytn.cfuncB()" 1000 loops,best of 3: 512 usec per loop
在这种情况下,这是一个30倍的加速.@H_301_4@
另外,FWIW,您可以用arr.data.as_chars [：len(arr)]替换arr.tostring(),并输入一个字节,从而取消另外几个μs.@H_301_4@