numpy数组的快速迭代

Question

我是python的新手，我正在尝试做一些基本的信号处理工作，我遇到了一个严重的性能问题。有没有一个python技巧可以用矢量化的方式做到这一点呢？基本上，我正在尝试实现一个一阶滤波器，但是滤波器的特性可能会从一个样本到下一个样本改变。如果只有一个过滤器，我会使用numpy.signal.lfilter()，但它有点棘手。下面是运行速度非常慢的代码片段：

#filter state
state = 0

#perform filtering
for sample in amplitude:
    if( sample == 1.0 ): #attack filter
        sample = (1.0 - att_coeff) * sample + att_coeff * state
    else: #release filter
        sample = (1.0 - rel_coeff) * sample + rel_coeff * state

    state = sample

Answer 1

您可以考虑使用Python到本机代码的转换器之一，例如Cython、Numba或Pythran。

例如，用timeit运行你的原始代码会给我带来：

$ python -m timeit -s 'from co import co; import numpy as np; a = np.random.random(100000)' 'co(a, .5, .7)'
10 loops, best of 3: 120 msec per loop

同时使用Pythran对其进行注释，如下所示：

#pythran export co(float[], float, float)
def co(amplitude, att_coeff, rel_coeff):
    # filter state
    state = 0

    # perform filtering
    for sample in amplitude:
        if sample == 1.0: # attack filter
            state = (1.0 - att_coeff) * sample + att_coeff * state
        else:             # release filter
            state = (1.0 - rel_coeff) * sample + rel_coeff * state
    return state

并使用以下命令进行编译

$ pythran co.py

给了我：

$ python -m timeit -s 'from co import co; import numpy as np; a = np.random.random(100000)' 'co(a, .5, .7)' 
1000 loops, best of 3: 253 usec per loop

这大概是x470的加速！我希望Numba和Cython能提供类似的加速。

Answer 2

每条分录都需要上一条分录，必须先计算前一条分录，然后才能计算当前分录。因此，每个条目都必须串行计算，并且不能以矢量化(即映射、并行)的方式进行计算。