如何知道 scipy 函数是否使用 C 代码？

Question

有谁知道 scipy.signal.argrelmax 和 scipy.integrate.simps 是在他们的源代码中使用 C 代码还是在纯 Python 中？我想加快使用 Numba 的速度，所以问一下。

http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.signal.argrelmax.html http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.integrate.simps.html

Answer 1

通过几个级别的调用进行跟踪，看起来 argrelmax 最终使用了这个循环：

def _boolrelextrema(data, comparator...)
    # comparator - a function
    ....
    results = np.ones(data.shape, dtype=bool)
    main = data.take(locs, axis=axis, mode=mode)
    for shift in xrange(1, order + 1):
        plus = data.take(locs + shift, axis=axis, mode=mode)
        minus = data.take(locs - shift, axis=axis, mode=mode)
        results &= comparator(main, plus)
        results &= comparator(main, minus)
        if(~results.any()):
            return results

    order :  How many points on each side to use for the comparison

所以如果order不是很大，迭代量很小，应该不会太大影响速度。

simps 安装后使用

def _basic_simps(y,start,stop,x,dx,axis):
    nd = len(y.shape)
    if start is None:
        start = 0
    step = 2
    all = (slice(None),)*nd
    slice0 = tupleset(all, axis, slice(start, stop, step))
    slice1 = tupleset(all, axis, slice(start+1, stop+1, step))
    slice2 = tupleset(all, axis, slice(start+2, stop+2, step))

    if x is None:  # Even spaced Simpson's rule.
        result = add.reduce(dx/3.0 * (y[slice0]+4*y[slice1]+y[slice2]),
                                    axis)
    else:
        # Account for possibly different spacings.
        ...
    return result

通过将 add.reduce 与一组预定义的切片一起使用，我猜它会尽可能快。

所以这些并没有在 C 中进行特殊编码，但它们有效地利用了 numpy 向量化操作。我的猜测是，使用 numpy and/or cython 加速它们将需要大量工作——除非你关注一些特殊情况。

如何知道 scipy 函数是否使用 C 代码？

How to know if scipy function uses C code?

numpy

scipy