如何在不完全破坏性能的情况下修改 Numba 中的列表？

【问题标题】：How to modify a list in Numba without completely destroying performance?如何在不完全破坏性能的情况下修改 Numba 中的列表？
【发布时间】：2017-04-11 18:32:12
【问题描述】：

这是一个例子。如果您运行此代码，它将打印调用 foo 大约需要 1 秒的时间：

import timeit
import numba

@numba.njit('void(List(intp, True))')
def foo(v): v[0] += 1

a = range(1 << 25)
start = timeit.default_timer()
foo(a)
stop = timeit.default_timer()
print stop - start

显然 Numba 正在来回复制列表。有什么办法可以避免吗？
（我不能轻易使用 NumPy 数组，因为我需要在代码中的其他地方调整列表的大小。）

【问题讨论】：

你为什么要这样做？动机是什么？
@Veedrac：你是什么意思？您无法想象人们需要不固定大小的列表的场景？

标签： python performance list copy numba

【解决方案1】：

如果你真的需要在 Numba 中使用列表，并且副本太昂贵，你将需要在对象模式下编译这个函数。 nopython 模式不能直接对列表进行操作；这样做本质上是一个 Python 对象操作，nopython 模式禁止的事情。

【讨论】：

这不会破坏使用 Numba 的意义吗？该函数的重点是对列表进行操作，所以如果我只是在 Python 模式下执行它不会更快，对吧？真的没有办法吗？。
@Mehrdad：Numba 可能能够做一些 loop-jitting（在你的例子中不可能），或者它可以使用像 PyList_GetItem 和 PyList_SetItem 这样的调用来避免动态调度（我不不知道它是否知道如何做到这一点），但您可能不会看到与普通 Python 函数相比没有任何好处。
我认为 Cython 可以做得更好；例如，我认为 Cython 与 Python 标准库 array 模块提供了更好的互操作性，该模块介于列表和 NumPy 数组之间，可能适合您的用例。