在Python中迭代最快的方法是什么？

Question

到目前为止，我从未需要关注这个问题，但现在我需要使用一些需要通过PyOpenGL进行缓冲的大量顶点，并且似乎Python迭代是瓶颈。 这里是情况。 我有一个3D点数组vertices，每一步我都必须为每个顶点计算一个4D颜色数组。 到目前为止，我的方法如下：

upper_border = len(self.vertices) / 3
#Only generate at first step, otherwise use old one and replace values
if self.color_array is None:
     self.color_array = numpy.empty(4 * upper_border)  

for i in range(upper_border):
     #Obtain a color between a start->end color
     diff_activity = (activity[i] - self.min) / abs_diff  
     clr_idx = i * 4
     self.color_array[clr_idx] = start_colors[0] + diff_activity * end_colors[0]
     self.color_array[clr_idx + 1] = start_colors[1] + diff_activity * end_colors[1]
     self.color_array[clr_idx + 2] = start_colors[2] + diff_activity * end_colors[2]
     self.color_array[clr_idx + 3] = 1

现在我不认为我可以做任何事情来消除循环中每个步骤的操作，但我猜想一定有一种更优化性能的方式来完成这个循环。我之所以这么说是因为在JavaScript中，相同的计算产生了9FPS，而在Python中我只得到了2-3FPS。

祝好， 博格丹

- Bogdan

---

如果您使用的是Python 2，请将range替换为xrange。 - Dan D.

如果迭代真的是瓶颈，一种可能是使用Cython重新编码循环：http://cython.org/ - NPE

Answer 1

为了提高代码速度，您需要“向量化”它：用NumPy的广播规则替换所有明确的Python循环以使用隐式循环。我可以尝试给出您循环的向量化版本:

if self.color_array is None:
     self.color_array = numpy.empty((len(activity), 4))
diff_activity = (activity - self.min) / abs_diff
self.color_array[:, :3] = (start_colors + 
                           diff_activity[:, numpy.newaxis] + 
                           end_colors)
self.color_array[:, 3] = 1

请确认以下翻译是否符合要求：

请注意，由于我不确定您的所有变量和代码的意图是什么，所以我不得不进行很多猜测，因此无法保证这段代码能否运行。我将color_array转换为二维数组，因为这似乎更合适。这可能需要在代码的其他部分进行修改（或者您需要再次平坦化数组）。

我假设self.min和abs_diff是标量，而所有其他名称都引用以下形状的NumPy数组：

activity.shape == (len(vertices) // 3,)
start_colors.shape == (3,)
end_colors.shape == (3,)

看起来vertices是一个一维数组，应该改为二维数组。

- Sven Marnach

---

谢谢，从这个建议开始，我实际上成功地使用了numpy来使整个循环只是一些矩阵乘法，这实际上使它运行速度快了大约6倍。 - Bogdan

Answer 2

1. First of all : profile your code with cProfile
2. You should use xrange instead of range
3. You should avoid to recall self.color_array 4 times on each loop, try to create a local variable before the loop, and use it into the loop : local_array = self.color_array
4. try to pre-compute the start_colors[N] and end_colors[N] : start_color_0 = start_colors[0]

5. try to use list.extend() to reduce lines in loop :

   local_array.extend([
      start_colors_0 + diff_activity * end_colors_0,
      start_colors_1 + diff_activity * end_colors_1,
      start_colors_2 + diff_activity * end_colors_2,
      1
   ])
   

- Cédric Julien

---

请注意，使用cProfile非常简单，只需执行命令python -mcProfile <your_program.py>即可。 - Dan D.