Question

为什么Numba的jit编译一个简单的Numpy数组操作？

这是一个最小的非工作示例，它再现了Numba的编译失败

import numpy as np
from numba import jit

rows = 10
columns = 999999
A = np.empty((rows, columns))
b = np.linspace(0, 1, num=rows)

@jit(nopython=True)
def replicate(A, b):
    for i in range(A.shape[1]):
        A[:, i] = b
    return A #optional

replicate(a, b)

出现以下错误：

TypingError: Failed at nopython (nopython frontend)
Cannot resolve setitem: array(float64, 1d, C, nonconst)[(slice3_type, int64)] = array(float64, 1d, C, nonconst)
File "<ipython-input-32-db24fbe2922f>", line 12

我做错了吗？

顺便说一句，我需要nopython模式，因为在我的现实生活中，我需要执行数组添加，使用标量乘法和经常填充其他数组的数组。而我的理解是，在对象模式下，我无法进行循环jitting，因此我没有看到任何真正的性能提升。

Answer 1

Numba不支持nopython模式下的numpy切片。尝试明确展开循环：

rows = 10
columns = 999999
a = np.empty((rows, columns))
b = np.linspace(0, 1, num=rows)

@jit(nopython=True)
def replicate(A, b):
    for i in xrange(A.shape[0]):
        for j in xrange(A.shape[1]):
            A[i, j] = b[i]
    return A #optional

replicate(a, b)

使用numba处理和操作numpy数组

1 个答案: