Python + Alglib + numpy：如何避免将数组转换为列表？

Question

上下文： 我最近发现了 alglib library （用于数值计算）似乎是我正在寻找的东西（强大的插值，数据分析......），无法在Numpy或Scipy中找到。 但是，我担心（例如，用于插值）的事实，它不接受numpy数组作为有效输入格式，但是只有常规python列表对象。

问题： 我已经挖掘了代码和文档，发现（按预期），此列表格式仅用于转换，因为库将无论如何将其转换为CTypes（CPython库只是底层C / C ++的接口图书馆）。

那是我担心的地方：在我的代码里面，我正在使用Numpy阵列，因为它是我正在执行的科学计算的大表现提升。因此，我担心必须将传递给 的任何数据转换为 例程到列表中（将转换为ctypes）将对性能产生巨大影响（我正在使用阵列可以在里面有数百万岁漂浮，千万阵列）。

问题： 您是否认为我确实会有绩效损失，或者您认为我应该开始修改 alglib 代码（只有python接口），以便它可以接受numpy arrays ，并只制作一个转换（从Numpy阵列到CTypes）？我甚至不知道这是可行的，因为它是一个很大的图书馆...... 也许你们有更好的想法或建议（即使在类似但不同的图书馆）...

---

编辑

似乎我的问题并没有得到很多兴趣，或者我的问题并不清楚/相关。或者也许没有人有解决方案或建议，但我怀疑周围有这么多专家:) 无论如何，我写了一个小型，快速肮脏的测试代码来说明问题...

#!/usr/bin/env python

import xalglib as al
import timeit
import numpy as np

def func(x):
    return (3.14 *x**2.3 + x**3 -x**2.34 +x)/(1.+x)**2

def fa(x, y, val=3.14):
    s = al.spline1dbuildakima(x, y)
    return (al.spline1dcalc(s, val), func(val))

def fb(x, y, val=3.14):
    _x = list(x)
    _y = list(y)
    s = al.spline1dbuildakima(_x, _y)
    return (al.spline1dcalc(s, val), func(val))

ntot = 10000
maxi = 100
x = np.random.uniform(high=maxi, size=ntot)
y = func(x)
xl = list(x)
yl = list(y)

print "Test for len(x)=%d, and x between [0 and %.2f):" % (ntot, maxi)
print "Function: (3.14 *x**2.3 + x**3 -x**2.34 +x)/(1.+x)**2"
a, b = fa(xl, yl)
err = np.abs(a-b)/b * 100
print "(x=3.14) interpolated, exact =", (a, b)
print "(x=3.14) relative error should be <= 1e-2: %s (=%.2e)" % ((err <= 1e-2), err)

if __name__ == "__main__":
    t = timeit.Timer(stmt="fa(xl, yl)", setup="from __main__ import fa, xl, yl, func")
    tt = timeit.Timer(stmt="fb(x, y)", setup="from __main__ import fb, x, y, func")
    v = 1000 * t.timeit(number=100)/100
    vv = 1000 * tt.timeit(number=100)/100
    print "%.2f usec/pass" % v
    print "%.2f usec/pass" % vv
    print "%.2f %% less performant using numpy arrays" % ((vv-v)/v*100.)

.

并运行，我得到了：

"""
Test for len(x)=10000, and x between [0 and 100.00):
Function: (3.14 *x**2.3 + x**3 -x**2.34 +x)/(1.+x)**2
(x=3.14) interpolated, exact = (3.686727834705164, 3.6867278531266905)
(x=3.14) relative error should be <= 1e-2: True (=5.00e-07)
25.85 usec/pass
28.46 usec/pass
10.09 % less performant using numpy arrays
"""

.

性能损失振荡在约8％和14％之间，这对我来说是巨大的...

Answer 1

使c ++ alglib接受numpy阵列肯定是可行的：scipy这样做。问题真的是多么困难。您可能希望尝试一个半自动C ++→Python包装程序，如（从我开始用警告开始的那样：我没有专家）：

• cython
• boost.python
• 编织 在一个不同的主题上：过去，我已经使用了Scipy中的插值样条曲线。我不确定这对您的需求来说是足够的，因为你没有找到你在Scipy中想要的一切。

Answer 2

您可以创建自己的包装函数直接将numpy数组的数据缓冲区传递给向量的数据指针，这不会复制数据，并加快包装函数很多。以下代码传递给x_vector.ptr.p_ptr，其中x是numpy数组。

当您传递Numpy数组时，必须确保数组具有连续内存中的元素。以下代码不检查一下。

import xalglib as al
import numpy as np
import ctypes

def spline1dbuildakima(x, y):
    n = len(x)
    _error_msg = ctypes.c_char_p(0)
    __c = ctypes.c_void_p(0)
    __n = al.c_ptrint_t(n)
    __x = al.x_vector(cnt=n, datatype=al.DT_REAL, owner=al.OWN_CALLER, 
                      last_action=0,ptr=al.x_multiptr(p_ptr=x.ctypes.data))
    __y = al.x_vector(cnt=n, datatype=al.DT_REAL, owner=al.OWN_CALLER, 
                      last_action=0,ptr=al.x_multiptr(p_ptr=y.ctypes.data))

    al._lib_alglib.alglib_spline1dbuildakima(
        ctypes.byref(_error_msg), 
        ctypes.byref(__x), 
        ctypes.byref(__y), 
        ctypes.byref(__n), 
        ctypes.byref(__c))

    __r__c = al.spline1dinterpolant(__c)
    return __r__c    

def func(x):
    return (3.14 *x**2.3 + x**3 -x**2.34 +x)/(1.+x)**2

def fa(x, y, val=3.14):
    s = spline1dbuildakima(x, y)
    return al.spline1dcalc(s, val), func(val)

def fb(x, y, val=3.14):
    s = al.spline1dbuildakima(x, y)
    return al.spline1dcalc(s, val), func(val)

ntot = 10000
maxi = 100
x = np.random.uniform(high=maxi, size=ntot)
y = func(x)
xl = list(x)
yl = list(y)

import time
start = time.clock()
for i in xrange(100):
    a, b = fa(x, y)
print time.clock()-start
err = np.abs(a-b)/b * 100
print a, b, err

start = time.clock()
for i in xrange(100):
    a, b = fb(xl, yl)
print time.clock()-start
err = np.abs(a-b)/b * 100
print a, b, err

.

输出是：

0.722314760822 <- seconds of numpy array version
3.68672728107 3.68672785313 1.55166878281e-05
3.22011891502  <- seconds of list version
3.68672728107 3.68672785313 1.55166878281e-05

.

Answer 3

除了EOL的答案，您还可以尝试

• swig用numpy.i

  为了生成处理numpy阵列的Python接口，但调用具有适当参数的底层C / C ++。

  我发现文档足够明确地为一个小科学C库做到这一点，而不是在以前或拥有接口C和Python的巨大经验。