为什么这个 python 类不能与 numba jitclass 一起使用？

Question

我在 numpy 的帮助下编写了以下代码，我想用 numba 提高性能。我不确定为什么它不起作用，因为我已经按照 numba 系统设置了所有变量。我正在尝试加快此代码的速度，因为我将来会使用大型数据集。import numpy as npimport mathfrom numba import jitclass from numba import float64,int64spec =[       ('spacing',float64),       ('n_iterations',int64),       ('np_emptyhouses',float64[:,:]),       ('np_agenthouses',float64[:,:]),       ('similarity_threshhold',float64),       ('n_changes',int64)       ]@jitclass(spec)class geo_schelling_update:    def __init__(self,n_iterations,spacing,np_agenthouses,np_emptyhouses,similarity_threshhold):        self.spacing=spacing        self.n_iterations=n_iterations        self.np_emptyhouses=np_emptyhouses        self.np_agenthouses=np_agenthouses        self.similarity_threshhold=similarity_threshhold    def distance_vectorize(self,pointA1, pointA2,agent):        x_square=np.square(pointA1-agent[0])        y_square=np.square(pointA2-agent[1])        dist=np.sqrt(np.array(x_square,dtype=np.float32)+np.array(y_square,dtype=np.float32))        return np.round(dist,4)    def is_unsatisfied_vectorize(self,x,y):        race = np.extract(np.logical_and(np.equal(self.np_agenthouses[:,0],x),np.equal(self.np_agenthouses[:,1],y)),self.np_agenthouses[:,2])[0]        euclid_distance1=round(math.hypot(self.spacing,self.spacing),4)        euclid_distance2=self.spacing        total_agents=np.extract(np.logical_or(np.equal(np.round(np.hypot((self.np_agenthouses[:,0]-(x)),(self.np_agenthouses[:,1]-(y))),4),euclid_distance1),np.equal(np.round(np.hypot((self.np_agenthouses[:,0]-(x)),(self.np_agenthouses[:,1]-(y))),4),euclid_distance2)),self.np_agenthouses[:,2])        if total_agents.size ==0:            return False        else:            return total_agents[total_agents==race].size/total_agents.size<self.similarity_threshhold    

Answer 1

问题在于np.round. 从文档中并不完全清楚，但您可以通过查看source看到，如果您在数组输入上使用该函数，则需要提供所有 3 个参数。所以以下不起作用：

nb.jit(nopython=True)def func(x):    return np.round(x)

但以下工作按预期工作：

nb.jit(nopython=True)def func(x):
    out = np.empty_like(x)
    np.round(x, 0, out)    return out

有关完整说明，请参阅文档。np.around我将在 numba 问题跟踪器上提出一个问题，因为这在查看文档时并不明显。