避免逻辑方程计算中的循环？

Question

我正在尝试在 Python 中计算逻辑方程的第 n 个值。使用循环很容易做到这一点：

import timeit
tic = timeit.default_timer()

x = 0.23
i = 0
n = 1000000000
while (i < n):
    x = 4 * x * (1 - x)
    i += 1

toc = timeit.default_timer()
toc - tic

但是，它通常也很耗时。正如 abarnert 在 Is MATLAB faster than Python (little simple experiment) 中所建议的那样，在 PyPy 中执行此操作可大大提高性能。

我还被建议避免使用 Python 循环并改用 NumPy 数组和向量操作 - 实际上我看不出这些有什么帮助（在我看来，NumPy 操作类似于 Matlab 的操作，我不知道有任何上面的代码也可以在 Matlab 中进行矢量化）。

有没有办法在没有循环的情况下优化代码？

Answer 1

没有循环？也许吧，但这可能不是最好的方法。重要的是要意识到循环本身并不慢。在高性能代码中，您尝试在 python 或 matlab 中避免它们。如果您正在编写C 代码，则不必关心。

所以这里要优化的一个想法是使用cython 将您的代码编译为C 代码：

python版本：

def calc_x(x, n):
    i = 0
    while (i < n):
        x = 4 * x * (1 - x)
        i += 1
    return x

静态类型cython 版本：

def calc_x_cy(double x, long n):
    cdef long i = 0
    while (i < n):
        x = 4 * x * (1 - x)
        i += 1
    return x

突然之间，你的速度几乎快了两个数量级：

%timeit calc_x(0.23, n) -> 1 次循环，最好的 3 次：每次循环 26.9 秒

%timeit calc_x_cy(0.23, n) -> 1 个循环，3 次中的最佳：每个循环 370 毫秒