如何加速这个python代码（循环条件）？答案

【问题标题】：How to speed up this python code (conditional in loop)?如何加速这个python代码（循环条件）？
【发布时间】：2014-01-30 22:46:45
【问题描述】：

我试图找到一种在循环中不使用 if...else 条件的方法，以便加快代码速度，知道吗？

for i in range(n):
    for j in range(n):
        if a1[i, j] == 0:
            b1[i, j] = 1
        else:
            b1[i, j] = a1 / np.sin(a1)
        if a2[i, j] == 0:
            b2[i, j] = 1
        else:
            b2[i, j] = a2 / np.sin(a2)

【问题讨论】：

我认为 if/else 语句不是问题所在。您在 for 循环中有一个 for 循环，我猜这更可能是问题的根源。
处理嵌套列表可能会很慢，只是说。
逻辑中可能有一些帮助，但是有两个for 循环，无论如何你都会被O(n^2) 卡住。
我不遵循此代码。看起来a1 是一个数组，因为您使用a1[i,j] 对其进行索引，但您随后设置了b1[i,j] = a1/np.sin(a1)。像往常一样，我是否遗漏了一些明显的东西？
@DSM: like is np 指的是 numpy？

标签： python performance loops numpy

【解决方案1】：

您正在计算sinc 函数的倒数。所以你可以这样做：

b1 = 1.0 / np.sinc(a1/np.pi)
b2 = 1.0 / np.sinc(a2/np.pi)

numpy sinc 函数是矢量化的，所以你不需要编写循环。

【讨论】：

感谢您的评论，这绝对是我需要的！

【解决方案2】：

if() 语句被认为是O(1) 时间操作，尽管如果效率至关重要（在这种情况下，在 Python 代码中运行 for 循环不是最佳选择），那么错过的分支预测可能代价高昂。

除了可能错过的分支预测之外，渐近时间是@Keeler 提到的O(n^2)。不过，优化 for 循环内的代码可能有助于解决 Big-Oh 表示法中的一些常数因素，这在实践中非常有成效。

您可以做的优化是遵循@Warren 的建议并使用sinc()

【讨论】：

Python 不做分支预测。
不，可能不是。为什么不把它留给在硬件中实现分支预测的 CPU 呢？
@Keeler：它将在解释字节码的 Python 评估循环中执行此操作。分支预测不会帮助或阻碍字节码中的分支，因为 CPU 看不到这些。
这里不重要；通过使用向量化的 numpy 函数，您可以将数组索引上的循环移动到 C 代码中。
@Keeler：Python VM 没有做太多优化，在处理一个 CPython 操作码时，将执行数百个 CPU 操作码，中间有数十个分支，从中获得任何好处该单分支预测非常接近于零。