问题描述
我正在尝试使用Cython来加速某些数字代码中某些昂贵的Python循环的速度，但是遇到了一个问题，即我几乎看不到任何加速，并且认为我可能必须对更多的我进行cythonize处理。代码超出了我的期望。
作为一个例子，假设我有以下两个已被cythonized的函数，它们是较大类的一部分：
tm::inspect()如上所示，def update(self,double[::1] state_data,double[::1] sensor_data,double sigma):
cdef int i
cdef int N = state_data.shape[0]
for i in range(N):
self.output[i] = self.process_sensor_data(state_data[i],sensor_data,sigma)
def process_sensor_data(self,double current_state,double sigma):
cdef int i
cdef int N = sensor_data.shape[0]
cdef double x
cdef double y
for i in range(N):
x += self.do_something(current_state,sigma)
y += self.do_something_else(sensor_data)
return min(x,y)
函数接受一些numpy数组（update()）和浮点数，然后运行一个调用double[::1]函数的for循环。然后，process_sensor_data()函数运行自己的for循环，该循环调用另外两个称为process_sensor_data()和do_something()的函数，它们已在类的其他位置定义。
现在让我们假设我可以完全do_something_else()函数进行cythonize，从而可以将其定义为具有功能标头的快速do_something()函数，例如
cdef但我无法对cdef double do_something(self,double sigma):
...
函数进行cythonize（例如，它可能会调用numpy或scipy库中的某些函数）。这是否意味着do_something_else()和process_sensor_data()内部的for循环仍将以与普通Python for循环类似的速度运行，并且看不到Cython带来的很大提速？
以另一种方式，如果我像上面那样对一个for循环进行cythonize处理，但是for循环中有一些函数调用和/或计算无法被cythonize处理（即，如果Cython的html注释输出显示了一些黄色代码行在for循环中），这是否意味着我在使用Cython时不会看到太多的提速？
不幸的是，根据我自己的实验，似乎是这种情况，但是我想确保自己不会发疯。在我的代码中，我有一个函数在Python中执行大约需要20秒，但是在我尝试对慢速循环进行cythonize之后仍然需要大约20秒才能执行。我花了好几个小时努力尝试对所有在for循环中调用的变量和函数进行cython编程，我开始认为实现该类将更简单，更易读在C ++中。谢谢您的任何帮助或指导。
解决方法
Cython并不总是更快，特别是如果您继续使用Python数据类型而不是C数据类型时。另外，请注意，Python和C数据类型之间的转换可能会在Cython中隐式发生，并且可能会很昂贵。
您还可以看看numba的nopython装饰器和pypy3。