Question

我正在尝试使用Cython优化我的代码。它正在做一个功率谱，而不是使用FFT，因为这是我们在课堂上被告知要做的事情。我曾尝试在Cython中编写代码，但没有看到任何区别。这是我的代码

#! /usr/bin/env python
# -*- coding: utf8 -*-

from __future__ import division
cimport numpy as np
import numpy as np
cimport cython

@cython.boundscheck(False)
def power_spectrum(time, data, double f_min, double f_max, double df,w=1 ):

    cdef double com,f
    cdef double s,c,sc,cc,ss
    cdef np.ndarray[double, ndim=1] power
    cdef np.ndarray[double, ndim=1] freq

    alfa, beta = [],[] 
    m = np.mean(data)
    data -= m       

    freq = np.arange( f_min,f_max,df )
    for f in freq:
            sft = np.sin(2*np.pi*f*time)
            cft = np.cos(2*np.pi*f*time)
            s   = np.sum( w*data*sft )
            c   = np.sum( w*data*cft )
            ss  = np.sum( w*sft**2  )
            cc  = np.sum( w*cft**2  )
            sc  = np.sum( w*sft*cft )

            alfa.append( ( s*cc-c*sc )/( ss*cc-sc**2 ))
            beta.append( ( c*ss-s*sc )/( ss*cc-sc**2 ))
            com = -(f-f_min)/(f_min-f_max)*100
            print "%0.3f%% complete" %com

    power = np.array(alfa)**2 + np.array(beta)**2
    return freq,power,alfa,beta

时间和数据通过numpy.loadtxt加载并发送到此函数。当我做的时候

cython -a power_spectrum.pyx

<。> .html文件很黄，所以效率不高。特别是整个for-loop和权力的计算，并返回一切。

我曾尝试阅读Cython的官方指南，但由于我从未用C语言编写，因此有点难以理解。

所有帮助都非常严格：）

Answer 1

Cython可以读取numpy数组according to this，但它不会神奇地编译像np.sum这样的东西 - 你仍然只是调用numpy方法。

你需要做的是在纯cython中重写你的内循环，然后可以为你编译它。因此，您需要重新实施np.sum，np.sin等。预先分配aplfa和beta是一个好主意，因此您不要使用append并尝试cdef尽可能多的变量。

修改

这是一个完整的例子，显示内部循环完全C编译（没有黄色）。我不知道代码是否正确但它应该是一个很好的起点！特别要注意在任何地方使用cdef，启用cdivision并从标准库中导入sin和cos。

from __future__ import division cimport numpy as np import numpy as np cimport cython from math import pi cdef extern from "math.h": double cos(double theta) double sin(double theta) @cython.boundscheck(False) @cython.cdivision(True) def power_spectrum(np.ndarray[double, ndim=1] time, np.ndarray[double, ndim=1] data, double f_min, double f_max, double df, double w=1 ): cdef double com,f cdef double s,c,sc,cc,ss,t,d cdef double twopi = 6.283185307179586 cdef np.ndarray[double, ndim=1] power cdef np.ndarray[double, ndim=1] freq = np.arange( f_min,f_max,df ) cdef int n = len(freq) cdef np.ndarray[double, ndim=1] alfa = np.zeros(n) cdef np.ndarray[double, ndim=1] beta = np.zeros(n) cdef int ndata = len(data) cdef int i, j m = np.mean(data) data -= m for i in range(ndata): f = freq[i] s = 0.0 c = 0.0 ss = 0.0 cc = 0.0 sc = 0.0 for j in range(n): t = time[j] d = data[j] sf = sin(twopi*f*t) cf = cos(twopi*f*t) s += w*d*sf c += w*d*cf ss += w*sf**2 cc += w*cf**2 sc += w*sf*cf alfa[i] = ( s*cc-c*sc )/( ss*cc-sc**2 ) beta[i] = ( c*ss-s*sc )/( ss*cc-sc**2 ) power = np.array(alfa)**2 + np.array(beta)**2 return freq,power,alfa,beta

Cython的功率谱

1 个答案: