Question

上下文：我的Python代码将2D顶点数组传递给OpenGL。

我测试了两种方法，一种是ctypes，另一种是结构，后者快两倍以上。

from random import random
points = [(random(), random()) for _ in xrange(1000)]

from ctypes import c_float
def array_ctypes(points):
    n = len(points)
    return n, (c_float*(2*n))(*[u for point in points for u in point])

from struct import pack
def array_struct(points):
    n = len(points)
    return n, pack("f"*2*n, *[u for point in points for u in point])

还有其他选择吗？有关如何加速此类代码的任何提示（是的，这是我的代码的一个瓶颈）？

Answer 1

您可以将numpy数组传递给PyOpenGL而不会产生任何开销。（numpy数组的data属性是一个指向底层C数据结构的缓冲区，它包含与您正在构建的数组相同的信息。

import numpy as np  
def array_numpy(points):
    n = len(points)
    return n, np.array(points, dtype=np.float32)

在我的计算机上，这比基于struct的方法快了大约40％。

Answer 2

你可以尝试Cython。对我来说，这给了：

function       usec per loop:
               Python  Cython
array_ctypes   1370    1220
array_struct    384     249
array_numpy     336     339

因此Numpy仅在我的硬件（运行WindowsXP的旧笔记本电脑）上获得15％的好处，而Cython提供约35％（在您的分布式代码中没有任何额外的依赖性）。

如果你可以放松你的要求，每个点都是一个浮点元组，只需将'点'作为一个扁平的浮点列表：

def array_struct_flat(points):
    n = len(points)
    return pack(
        "f"*n,
        *[
            coord
            for coord in points
        ]
    )

points = [random() for _ in xrange(1000 * 2)]

然后结果输出相同，但时间进一步下降：

function            usec per loop:
                    Python  Cython
array_struct_flat           157

如果比我聪明的人想在代码中添加静态类型声明，那么Cython可能比这更好。（运行'cython -a test.pyx'对此非常有用，它会生成一个html文件，显示代码中最慢（黄色）普通Python的位置，而python已转换为纯C（白色）。这就是为什么我将上面的代码分散到这么多行上，因为着色是按行完成的，所以它有助于将它扩展出来。）

完整的Cython说明如下： http://docs.cython.org/src/quickstart/build.html

Cython可能会在整个代码库中产生类似的性能优势，并且在理想条件下，通过应用适当的静态类型，可以将速度提高十倍或一百倍。

Answer 3

我偶然发现了另一个想法。我现在没有时间对其进行分析，但万一有人这样做：

 # untested, but I'm fairly confident it runs
 # using 'flattened points' list, i.e. a list of n*2 floats
 points = [random() for _ in xrange(1000 * 2)]
 c_array = c_float * len(points * 2)
 c_array[:] = points

也就是说，首先我们创建ctypes数组但不填充它。然后我们使用切片表示法填充它。人们比我告诉我更聪明，分配到这样的切片可能有助于提高性能。它允许我们直接在赋值的RHS上传递列表或迭代，而不必使用 * iterable 语法，这将执行迭代的一些中间争论。我怀疑这是创建pyglet的批次的深度。

大概你可以创建一次c_array，然后每次点列表更改时重新分配给它（上面代码中的最后一行）。

可能有另一种公式接受点的原始定义（（x，y）元组列表。）像这样：

 # very untested, likely contains errors
 # using a list of n tuples of two floats
 points = [(random(), random()) for _ in xrange(1000)]
 c_array = c_float * len(points * 2)
 c_array[:] = chain(p for p in points)

Answer 4

如果性能有问题，您不希望将ctypes数组与星型运算一起使用（例如，(ctypes.c_float * size)(*t)）。

在我的测试pack中最快，然后使用array模块和地址的演员（或使用from_buffer函数）。

import timeit
repeat = 100
setup="from struct import pack; from random import random; import numpy;  from array import array; import ctypes; t = [random() for _ in range(2* 1000)];"
print(timeit.timeit(stmt="v = array('f',t); addr, count = v.buffer_info();x = ctypes.cast(addr,ctypes.POINTER(ctypes.c_float))",setup=setup,number=repeat))
print(timeit.timeit(stmt="v = array('f',t);a = (ctypes.c_float * len(v)).from_buffer(v)",setup=setup,number=repeat))
print(timeit.timeit(stmt='x = (ctypes.c_float * len(t))(*t)',setup=setup,number=repeat))
print(timeit.timeit(stmt="x = pack('f'*len(t), *t);",setup=setup,number=repeat))
print(timeit.timeit(stmt='x = (ctypes.c_float * len(t))(); x[:] = t',setup=setup,number=repeat))
print(timeit.timeit(stmt='x = numpy.array(t,numpy.float32).data',setup=setup,number=repeat))

在我的测试中，array.array方法比Jonathan Hartley的方法略快，而numpy方法的速度只有一半：

python3 convert.py
0.004665990360081196
0.004661010578274727
0.026358536444604397
0.0028003649786114693
0.005843495950102806
0.009067213162779808

净赢家是包。

Answer 5

您可以使用array（另请注意生成器表达式而不是列表推导）：

array("f", (u for point in points for u in point)).tostring()

另一项优化措施是将点数从一开始就保持平衡。

python从浮点元组列表中构建c数组的最快方法是什么？

5 个答案: