Question

我试图加快使用Cython的日期时间之间的比较，当传递一个numpy数组的日期时间（或足以创建日期时间的细节）。首先，我试着看看Cython如何加速整数之间的比较。

testArrayInt = np.load("testArray.npy")

Python方法：

def processInt(array):
    compareSuccess = 0#number that is greater than
    testValue = 1#value to compare against
    for counter in range(testArrayInt.shape[0]):
        if testValue > testArrayInt[counter]:
            compareSuccess+=1
    print compareSuccess

Cython方法：

def processInt(np.ndarray[np.int_t,ndim=1] array):
    cdef int rows = array.shape[0]
    cdef int counter = 0
    cdef int compareSuccess = 0
    for counter in range(rows):
        if testInt > array[counter]:
            compareSuccess = compareSuccess+1
    print compareSuccess

与numpy行1000000的时间比较是：

Python: 0.204969 seconds
Cython: 0.000826 seconds
Speedup: 250 times approx.

使用日期时间重复相同的练习：由于cython不接受一个日期时间数组，我分裂并向这两种方法发送一组年，月和日数。

testArrayDateTime = np.load("testArrayDateTime.npy")

Python代码：

def processDateTime(array):
    compareSuccess = 0
    d = datetime(2009,1,1)#test datetime used to compare
    rows = array.shape[0]
    for counter in range(rows):
        dTest = datetime(array[counter][0],array[counter][1],array[counter][2])
        if d>dTest:
            compareSuccess+=1
    print compareSuccess

Cython代码：

from cpython.datetime cimport date

def processDateTime(np.ndarray[np.int_t, ndim=2] array):
    cdef int compareSuccess = 0
    cdef int rows = avlDates.shape[0]
    cdef int counter = 0
    for counter in range(rows):
        dTest = date(array[counter,0],array[counter,1],array[counter,2])
        if dTest>d:
            compareSuccess=compareSuccess+1
    print compareSuccess

性能：

Python: 0.865261 seconds
Cython: 0.162297 seconds
Speedup: 5 times approx.

为什么加速这么低？什么是增加这个的可能方法？

Answer 1

您正在为每一行创建一个date对象。这会花费更多时间，这不仅是因为您必须分配和取消分配内存，还因为它会对参数运行各种检查以确保它是有效日期。

要进行更快的比较，请使用整数比较来比较np.datetime64数组，或者将整数分别比较年，月和日列。

加快与Cython的日期时间比较

1 个答案: