问题

我正在尝试 Cythonize 两个主要处理 numpy ndarrays 的小函数，用于某些科学目的。这两个小函数在遗传算法中被调用了数百万次，占算法花费的大部分时间。

我自己取得了一些进展，并且都运行良好，但我只获得了微小的速度提升（10%）。更重要的是，cython --annotate 表明大部分代码仍在通过 Python。

编码

第一个功能：

这个函数的目的是取回数据片段，它在一个内部嵌套循环中被调用了数百万次。根据 data[1][1] 中的布尔值，我们可以正向或反向获取切片。

第二个功能

这个得到一个 numpy 数组的元组列表，我们希望将数组元素明智地相加，然后对它们进行规范化并获得交集的积分。

任何帮助表示赞赏 - 我尝试使用内存视图，但由于某种原因，代码变得非常非常慢。

我打算在 python 数组中使用 memoryview：

但它引发了一个错误：

'*' 的操作数类型无效（双精度；双精度 [:, :]）

在这种情况下我能做什么？

是否可以在 cython 中获取 MemoryView 的大小？理想情况下，我正在寻找类似arr.shapenumpy 的东西。

我在内存中有一个零散的结构，我想将它作为一个连续的内存视图来访问。有没有一种简单的方法可以做到这一点，或者我应该实施自己的解决方案？

例如，考虑由记录组成的文件格式。每条记录都有一个固定长度的标头，它指定记录内容的长度。更高级别的逻辑结构可能分布在多个记录上。如果它可以将自己的碎片内存位置视为一个简单的连续字节数组，它将更容易实现更高级别的结构。

更新：

至少基于文档的这一部分，python 似乎在内部支持这种“分段”缓冲区类型。但这只是 C API。

更新2：

据我所知，引用的 C API（称为旧式缓冲区）可以满足我的需要，但它现在已被弃用，并且在较新版本的 Python（3.X）中不可用。新的缓冲区协议（在PEP 3118中指定）提供了一种表示缓冲区的新方法。此 API 在大多数用例中更有用（其中，表示的缓冲区在内存中不连续的用例），但不支持这个特定的一个，其中一维数组可以完全自由地布局（多个不同的大小的块）在内存中。

我有一个使用 memoryview 数组的 cython 模块，即...

我想使用多处理并行运行这个模块。但是我得到了错误：

为什么我不能腌制内存视图，我能做些什么。

我整天都在尝试从 numba 文档中推断出这些类型是如何设置的。我已经掌握了一些方法，但现在我想创建一个函数，它返回一个一维数组和一个二维数组，并采用一堆 args，我很难再进一步：

上面抛出了这些异常：

如果你能告诉我出了什么问题会很好，但是如果你能推荐一个一劳永逸地严格解释这些语法的文档，那就更好了。

感谢您的时间。

亲切的问候，马吕斯

考虑这个虚拟 Cython 代码：

现在，如果我对此执行cython -a，它会以黄色显示返回语句。我在一个对性能非常关键的程序中做类似的事情，根据分析，这真的减慢了我的代码。那么，为什么 cython 需要 python 来处理这些返回语句呢？带注释的文件给出了提示：

令人惊讶的是，谷歌搜索cython“Memoryview 返回值未初始化”给出的结果为零。

如何将类型化的内存视图转换为 cython 中的 NumPy 数组？文档有

我把这个作为我的案子

使用这个编译器告诉我：

复制与否并不是决定性的。我找不到任何帮助。

关于 cython 中的 memoryviews，如果我使用 numpy 浮点数组，使用 NumPy 类型键入视图是否有任何优势，np.float_t而不是简单地做？double

我应该cdef以同样的方式输入然后，例如

由于我发现内存视图既方便又快速，所以我尽量避免在 cython 中创建 NumPy 数组并使用给定数组的视图。但是，有时无法避免，不要更改现有数组而是创建一个新数组。在上层函数中这并不明显，但在经常调用的子程序中却很明显。考虑以下函数

分析告诉我，这里有一些速度 我可以做的是调整函数，因为有时，例如计算这个向量的平均值，有时是总和。所以我可以重写它，求和或取平均值。但是有没有一种方法可以直接以非常小的开销创建内存视图，动态定义大小。像首先使用etc创建 ac 缓冲区，然后在函数结束时将缓冲区转换为 view，传递指针和跨步等等。

malloc

编辑1： 也许对于简单的情况，像这样调整功能是一种可以接受的方法。我只添加了一个参数和求和/取平均值。这样我就不必创建一个数组，并且可以在函数 malloc 中轻松处理。这不会变得更快，不是吗？