Question

我需要在布尔值数组中存储一些单元格。最初，我使用numpy，但是当数组开始占用大量内存时，我就想到了将非零元素存储在以元组为键的字典中（因为它是可哈希的类型）。例如： {(0, 0, 0): True, (1, 2, 3): True}（这是“ 3D数组”中的两个单元格，它们的索引分别为0,0,0和1,2,3，但是维数事先未知，并且在运行算法时已定义）。这很有帮助，因为非零单元格仅填充了数组的一小部分。

要编写此字典并从中获取值，我需要使用循环：

def fill_cells(indices, area_dict):
    for i in indices:
        area_dict[tuple(i)] = 1

def get_cells(indices, area_dict):
    n = len(indices)
    out = np.zeros(n, dtype=np.bool)
    for i in range(n):
        out[i] = tuple(indices[i]) in area_dict.keys()
    return out

现在我需要用Numba加快速度。 Numba不支持本机Python的dict（），因此我使用了numba.typed.Dict。问题在于Numba想要在定义功能的阶段知道键的大小，因此我什至无法创建字典（键的长度是预先未知的，并且在调用函数时已定义）：

@njit
def make_dict(n):
    out = {(0,)*n:True}
    return out

Numba无法正确推断字典键的类型并返回错误：

Compilation is falling back to object mode WITH looplifting enabled because Function "make_dict" failed type inference due to: Invalid use of Function(<built-in function mul>) with argument(s) of type(s): (tuple(int64 x 1), int64)

如果我在函数中将n更改为具体数字，它将起作用。我用这个技巧解决了它：

n = 10
s = '@njit\ndef make_dict():\n\tout = {(0,)*%s:True}\n\treturn out' % n
exec(s)

但是我认为这是错误的低效方式。而且我需要将我的fill_cells和get_cells函数与@njit装饰器一起使用，但是Numba返回相同的错误，因为我试图在此函数中从numpy数组创建元组。

我了解Numba的基本局限性（以及一般的编译方式），但是也许有某种方法可以加快功能，或者也许您对我的存储单元问题有另一种解决方案？

Answer 1

最终解决方案：

主要问题是Numba在定义创建元组的函数时需要知道元组的长度。诀窍是每次都重新定义功能。我需要使用定义功能的代码生成字符串，然后使用 exec（）：

运行它

n = 10
s = '@njit\ndef arr_to_tuple(a):\n\treturn (' + ''.join('a[%i],' % i for i in range(n)) + ')'
exec(s)

此后，我可以调用 arr_to_tuple（a）创建可以在另一个@njit装饰的函数中使用的元组。

例如，创建用于解决问题的元组键的空字典：

@njit
def make_empty_dict():
    tpl = arr_to_tuple(np.array([0]*5))
    out = {tpl:True}
    del out[tpl]
    return out

我在字典中写一个元素，因为它是Numba推断类型的方法之一。

此外，我需要使用问题中所述的 fill_cells 和 get_cells 函数。这就是我用Numba重写它们的方式：

文字元素。刚刚将tuple（）更改为arr_to_tuple（）：

@njit
def fill_cells_nb(indices, area_dict):
    for i in range(len(indices)):
        area_dict[arr_to_tuple(indices[i])] = True

从字典中获取元素需要一些令人毛骨悚然的代码：

@njit
def get_cells_nb(indices, area_dict):
    n = len(indices)
    out = np.zeros(n, dtype=np.bool_)
    for i in range(n):
        new_len = len(area_dict)
        tpl = arr_to_tuple(indices[i])
        area_dict[tpl] = True
        old_len = len(area_dict)
        if new_len == old_len:
            out[i] = True
        else:
            del area_dict[tpl]
    return out

我的Numba版本（0.46）不支持.contains（in）运算符和try-except构造。如果您拥有支持它的版本，则可以为其编写更多的“常规”解决方案。

因此，当我想检查字典中是否存在带有某些索引的元素时，我会记住它的长度，然后在字典中写一些带有所提及索引的内容。如果长度改变了，我得出结论该元素不存在。否则，该元素存在。看起来很慢，但事实并非如此。

速度测试：

解决方案出奇地快。与原生Python优化代码相比，我用％timeit进行了测试：

arr_to_tuple（）比常规 tuple（）函数快5倍
具有numba的get_cells 与 Python原生get_cells

Python编写的fill_cells

具有numba的fill_cells 一个元素快4倍，对于大型元素快40倍。

如何使用Numba加快python的字典速度

1 个答案:

最终解决方案：

速度测试：