^{Notas introductorias: tratar de acelerar el código Python+Numpy con Cython es un problema común y esta pregunta es un intento de crear una pregunta canónica sobre qué tipos de operaciones puede acelerar de manera efectiva. Aunque trato de ilustrar con un ejemplo específico, se entiende como una ilustración; por favor, no se concentre demasiado en el ejemplo bastante sin sentido.}

^{Además, he contribuido lo suficiente a Cython que debería declarar una afiliación (dado que estoy sacando el tema a colación)}

Pregunta real

Supongamos que tengo una función que intenta realizar cálculos numéricos en matrices Numpy. Utiliza operaciones bastante típicas:

• un bucle sobre elementos de matriz que no se pueden vectorizar fácilmente
• llamadas a funciones Numpy/Scipy (en este caso np.sin ).
• Operaciones matemáticas sobre todo el arreglo ( ab )

 import numpy as np def some_func(a, b): """ a and b are 1D arrays This is intended to be illustrative! Please don't focus on what it actually does! """ transformed_a = np.zeros_like(a) last = 0 for n in range(1, a.shape[0]): an = a[n] if an > 0: delta = an - a[n-1] transformed_a[n] = delta*last else: last = np.sin(an) return transformed_a * b a = np.random.randn(100) b = np.linspace(0, 100, a.shape[0]) print(some_func(a, b))

¿Puedo acelerar esto con Cython y qué partes esperaría poder acelerar?