具有数组排序的f2py速度

Question

我正在写fortran（ f2py ）中的一些代码，以便获得一些速度，因为大量的计算在纯Python中非常麻烦。

我想知道如果将Python中的NumPy数组设置为order=Fortran将会减慢主要的python代码相对于经典的C风格的顺序。

Answer 1

订单可以在计算速度上产生很大的不同。 以下是一个简单的例子：

In [15]: x = np.ones((1000, 1000))

In [16]: y = np.ones((1000, 1000), order='F')

In [17]: %timeit x.sum(axis=0)
100 loops, best of 3: 8.03 ms per loop

In [18]: %timeit y.sum(axis=0)
1000 loops, best of 3: 1.02 ms per loop

在此示例中，对C有序数组的列求和所需的时间是Fortran有序数组的8倍。 如果总和是在另一个轴上执行的，则对C有序数组的计算速度更快：

In [19]: %timeit x.sum(axis=1)
1000 loops, best of 3: 1.02 ms per loop

In [20]: %timeit y.sum(axis=1)
100 loops, best of 3: 8.09 ms per loop

因此，使用Fortran有序数组的答案是否会影响Python代码的性能“可能”。

Answer 2

不应该有任何减速。 从NumPy 1.6开始，大多数ufuncs （即基本的'通用'函数）都采用一个可选参数，允许用户指定数组的内存布局：默认情况下，它是K ，意思是'输入的元素排序（是匹配）尽可能接近。

因此，一切都应该在引擎盖下照顾。

在最坏的情况下，您总是可以使用np.array的order参数从一个订单切换到另一个order （但这会复制您的数据并且可能不值得）。