scipy.stats 中是否有 `norm` 方法的 cythonized 版本？

Question

我说的是 scipy.stats 中连续 RV 的主要公共方法：

具体来说， from scipy.stats import norm 然后使用

norm.ppf 或 norm.pdf

链接：http://docs.scipy.org/doc/scipy/reference/tutorial/stats.html

是否有机会通过使用 cython 对 norm.ppf() 或 norm.pdf() 进行速度优化？或者它是否已经优化或不值得用 cython 包装？

Answer 1

你检查过

中的代码吗

.../scipy/stats/distributions.py?

看起来norm_pdf 最终使用

_norm_pdf_C = math.sqrt(2*pi)
_norm_pdf_logC = math.log(_norm_pdf_C)

def _norm_pdf(x):
    return exp(-x**2/2.0) / _norm_pdf_C

由于它不涉及通过 numpy 数组的循环，它看起来不像是 cython 加速的主要候选者。你会写得不一样吗？

---

哎呀，对不起。你问的是这样的功能：

def pdf(self,x,*args,**kwds):
    args, loc, scale = self._parse_args(*args, **kwds)
    x,loc,scale = map(asarray,(x,loc,scale))
    args = tuple(map(asarray,args))
    x = asarray((x-loc)*1.0/scale)
    cond0 = self._argcheck(*args) & (scale > 0)
    cond1 = (scale > 0) & (x >= self.a) & (x <= self.b)
    cond = cond0 & cond1
    output = zeros(shape(cond),'d')
    putmask(output,(1-cond0)+np.isnan(x),self.badvalue)
    if any(cond):
        goodargs = argsreduce(cond, *((x,)+args+(scale,)))
        scale, goodargs = goodargs[-1], goodargs[:-1]
        place(output,cond,self._pdf(*goodargs) / scale)
    if output.ndim == 0:
        return output[()]
    return output

除了使用map 进行参数检查和按摩之外，我还看到putmask 和place 中隐藏了一些迭代。我没有经常使用place，但我认为它正在迭代cond，并应用self._pdf，并将值放入output。我怀疑代码组织旨在提供很大的灵活性，允许不同的模型和分布。我没有看到针对速度的严格代码。

对于将受益于转换为cython 的代码，您可能需要从头开始编写一些东西，这些东西不会调用很多其他numpy 和scipy 代码，并且不构建复杂的类结构。专注于一个非常具体的计算，而不是一系列计算。