作为标题的补充，我希望有效地对numpy.vectorize函数进行cython化，这对于核心，正在简单地完成这一部分（完整的函数太长而不能发布但是大多数时间花在这里）：
def func(*vargs):
for _n, _i in enumerate(inds):
the_args[_i] = vargs[_n]
kwargs.update(zip(names, vargs[len(inds):]))
return self.pyfunc(*the_args, **kwargs)
我已阅读这些指南（http://cython.readthedocs.io/en/latest/src/tutorial/numpy.html和http://pandas.pydata.org/pandas-docs/stable/enhancingperf.html），这些指南非常有用，但我对C的了解太过狭窄，无法将它们用于潜在的一小部分。
你会怎么做？ [Python 3.5.1，Cython 0.25a，Numpy 1.10.4]答案 0 :(得分：2)
你展示的功能只是有点跳舞来处理from itertools import groupby
ips = ['10.0.0.1', '10.0.0.2', '10.0.10.3', '10.0.0.4', '10.0.0.5']
def get_subnet(ip):
return '.'.join(ip.split('.')[:3])
groups = {} # group ips by subnet
for k, g in groupby(sorted(ips), key=get_subnet):
groups[k] = list(g)
# Sort the groups by most common first
for row, (subnet, ips) in enumerate(
sorted(groups.iteritems(), key=lambda (k, v): len(v), reverse=True)
):
if row > 0: # not the most common subnet
print('You probably entered these incorrectly: {}'.format(ips))
。请注意kwargs中该块头部的注释。使用更简单的参数，它只需设置vectorize.__call__。
实际工作在最后一行完成：
func = self.pyfunc哪个
self._vectorize_call(func=func, args=vargs)
outputs = ufunc(*inputs)
< return dtype conversion >
是ufunc。
因此剥夺了所有这些Python封面，它归结为
frompyfunc(func, len(args), nout)和np.frompyfunc(your_func, n, m)(args)
是一个已编译的函数。我怀疑该函数使用frompyfunc（nditer版本）来广播参数，并将值作为标量提供给c。我在最近的另一篇SO中讨论了your_func与nditer的使用。
总而言之，只要cython是一个难以理解的（或一般的）python函数，your_func就无法改进这一点。迭代已经在编译代码中处理。