Question

我试图加快以下代码：

from math import log
from random import random

def logtest1(N):
    tr=0
    for i in range(1,N):
        T= 40 + 10*random()
        tr += -log(random())/T

我对python来说相当新（来自matlab）......这个代码在python中的运行速度比matlab（和Julia）快5倍，引起了我的注意。

我尝试使用numba和长尾小鹦鹉包装，以及numpy函数而不是python函数，但根本没有任何改进。

我很感激任何帮助。感谢。

编辑：整个事情是蒙特卡罗模拟，所以N非常大... 10e6 用于测试目的

Answer 1

你应该真正调查numpy。而Scipy，当你在它的时候。 Numpy是针对N维数组数字的速度优化包，Scipy是基于numpy构建的科学计算的集合。

如果使用numpy数组编写函数，它看起来像这样：

def logtest2(N):
    T = 40. + 10. * np.random.rand(N)
    return np.sum(-1*np.log(np.random.rand(N)) / T)

它也快得多。使用N = 1000000进行测试为我的版本提供了500毫秒的运行时间，为此版本提供了75毫秒的运行时间。

Answer 2

如果您使用的是Python 2.7x，请立即使用xrange 所以在2.7中它将是：

def logtest1(N):
    tr=0
    for i in xrange(N):  
        a = random()   # Just generate the random number once
        T= 40 + 10*a
        tr += -log(a)/T

以下是有关xrange更好的原因的摘要：Should you always favor xrange() over range()?

用Python中的对数加速一个大循环

2 个答案: