用 Python 中的对数加速一个大循环

Question

我正在尝试加速以下代码：

from math import log
from random import random

def logtest1(N):
    tr=0
    for i in range(1,N):
        T= 40 + 10*random()
        tr += -log(random())/T

我是 python 的新手（来自 matlab）...同样的代码在 python 中的运行速度比 matlab（和 Julia）慢 5 倍，这引起了我的注意。

我尝试使用 numba 和 parakeet 包装器，以及 numpy 函数而不是 python 函数，但根本没有得到任何改进。

如果有任何帮助，我将不胜感激。谢谢

编辑：整个过程是 Monte Carlo 模拟，所以 N 非常大... 10e6 用于测试目的

Answer 1

如果你使用 Python 2.7x，马上就说使用 xrange 所以在 2.7 中它将是：

def logtest1(N):
    tr=0
    for i in xrange(N):  
        a = random()   # Just generate the random number once
        T= 40 + 10*a
        tr += -log(a)/T

这里总结了为什么 xrange 更好：Should you always favor xrange() over range()?

Answer 2

你应该真的在调查numpy. And Scipy的时候。 Numpy 是 N 维数组数值的速度优化包，Scipy 是建立在 numpy 上的科学计算的集合。

如果你使用 numpy 数组编写函数，它看起来像这样：

def logtest2(N):
    T = 40. + 10. * np.random.rand(N)
    return np.sum(-1*np.log(np.random.rand(N)) / T)

它也快了很多。使用 N = 1000000 进行测试，您的版本运行时间为 500 毫秒，此版本运行时间为 75 毫秒。

用 Python 中的对数加速一个大循环

Speeding up a big a loop with a logarithm in Python

python

performance

matlab

logarithm