我该如何在Cython中就地对memoryview进行排序? 有没有内置的函数可以做到这一点?目前,我不得不使用
numpy
数组,并使用numpy
的排序,这非常慢。numpy
数组,并使用numpy
的排序,这非常慢。针对我的评论,这里有三个选项(numpy和C、C++标准库选项)。
from libcpp.algorithm cimport sort
from libc.stdlib cimport qsort
import numpy as np
def sort_numpy(double[:] a, kind):
np.asarray(a).sort(kind=kind)
# needs to be compiled with C++
def sort_cpp(double[::1] a):
# a must be c continuous (enforced with [::1])
sort(&a[0], (&a[0]) + a.shape[0])
# The C version requires a comparator function
# which is a little slower since it requires calling function pointers
# and passing pointers rather than numbers
cdef int cmp_func(const void* a, const void* b) nogil:
cdef double a_v = (<double*>a)[0]
cdef double b_v = (<double*>b)[0]
if a_v < b_v:
return -1
elif a_v == b_v:
return 0
else:
return 1
def sort_c(double[:] a):
# a needn't be C continuous because strides helps
qsort(&a[0], a.shape[0], a.strides[0], &cmp_func)
你所得到的结果将取决于你使用的 C/C++ 标准库,因此不要过分解读我的结果。对于一个长度为 1000 的数组(排序了 5000 次),我得到的结果如下:
np quick: 0.11296762199890509
np merge: 0.20624926299933577
np heap: 0.2944786230000318
c++: 0.12071316699984891
c: 0.33728832399901876
即numpy版本最快。对于长度为100的数组,我得到
np quick: 0.022608489000049303
np merge: 0.023513408999860985
np heap: 0.024136934998750803
c++: 0.008449130998997134
c: 0.01909676999821386
即,如果您要对许多小数组进行排序,则调用numpy sort的开销很大,因此应使用C++(或可能是C)。 如果您要对大型数组进行排序,您可能会发现很难超越numpy。
sort_c
不起作用。将 double
改为 int
并使用 array([ 2, 20, 6, 5, 22, 17, 13, 7, 2, 8], dtype=int32)
,得到 array([22, 20, 6, 13, 2, 2, 7, 8, 17, 5], dtype=int32)
。 - Elkancmp_func
也改成int
了吗? - DavidW
numpy.sort
的性能问题是出在哪里,还是由于将 memoryview 复制到 numpy 数组的成本过高?如果是后者,那么np.asarray(memview)
应该可以避免复制。 - DavidWnumpy.sort
性能的问题。 - C_Z_sort(&memview[0],&memview[length])
(注意你要传递的是结尾元素的下一个位置)。不过你需要使用C++编译。 - DavidW