为什么我的Python脚本与Matlab相比速度太慢？

我在考虑从Matlab切换到Python（NumPy）。所以，作为一个学习任务，我试图在Python上重写一个简单的随机模型。 python脚本返回正确的答案，但工作太慢！ Python需要3分钟，而Matlab需要3秒钟。我究竟做错了什么？为什么我的Python脚本与Matlab相比速度太慢？

Matlab的：

clear all; clc; 
tic 

T = 0.05; 
Tmax = 3600; 
t = T:T:Tmax; 
N = length(t); 
G = [0 0; 
    0 T]; 

F = [1 T; 
    0 1]; 

Dksi = 13*1; 
Deta = 10*1; 
Band = 0.1:0.1:3; 
RMS_Omega = nan(1, length(Band)); 
for i = 1:length(Band) 
    K = nan(2, 1); 
    K(1) = 8/3 * Band(i) * T; 
    K(2) = 32/9 * Band(i)^2 * T; 

    ksi = sqrt(Dksi) * randn(1, N); 
    eta = sqrt(Deta) * randn(1, N); 

    Xest = [0; 0]; 
    Xextr = F*Xest; 

    Xist = [0; 0]; 

    ErrOmega = nan(1, N); Omega = nan(1, N); 
    for k = 1:N 
     Xist = F*Xist + G*[0; ksi(k)]; 
     omega_meas = Xist(1) + eta(k); 
     Xest = Xextr + K*(omega_meas - Xextr(1)); 
     Xextr = F*Xest; 
     ErrOmega(k) = Xest(1) - Xist(1); 
     Omega(k) = Xist(1); 
    end 

    RMS_Omega(i) = sqrt(mean(ErrOmega.^2)); 
end 

figure(1) 
hold on 
plot(Band, RMS_Omega); 
hold off 
xlabel('Bandwidth, Hz'); ylabel('RMS \omega, Hz'); 
toc

的Python：

#!/usr/bin/python 
# -*- coding: utf-8 -*- 

import math 
import numpy as np 
import matplotlib as mpl 
import matplotlib.pyplot as plt 
import time as time 


tbeg = time.time() 

T = 0.005 
Tmax = 3600.0 

t = np.linspace(T, Tmax, int(Tmax/T)) 
N = len(t) 

G = np.array([[0, 0], 
       [0, T]]) 

F = np.array([[1, T], 
       [0, 1]]) 

Dksi = 13.0 
Deta = 10.0 

Band = np.linspace(0.1, 3.0, 30) 
Band_for_plot = 2 

RMS_Omega = np.array([None for i in range(0, len(Band))]) 

for i, BW in enumerate(Band): 
    K = np.array([[8/3 * BW * T], 
        [32/9 * BW*BW *T]]) 

    ksi = math.sqrt(Dksi) * np.random.randn(N) 
    eta = math.sqrt(Deta) * np.random.randn(N) 

    Xest = np.array([[0], 
        [0]]) 
    Xextr = F.dot(Xest) 

    Xist = np.array([[0], 
        [0]]) 

    ErrOmega = np.array([None for j in range(0, N)]) 
    Omega = np.array([None for j in range(0, N)]) 

    for k in range(0, N): 
     Xist = F.dot(Xist) + G.dot(np.array([[0], 
              [ksi[k]]])) 
     omega_meas = Xist[0] + eta[k] 
     Xest = Xextr + K * (omega_meas - Xextr[0]) 
     Xextr = F.dot(Xest) 
     ErrOmega[k] = Xest[0] - Xist[0] 
     Omega[k] = Xist[0] 

    RMS_Omega[i] = math.sqrt(np.mean(ErrOmega**2)) 

elapsed = time.time() - tbeg 
print(elapsed, u'sec')

来源

2017-07-02 Ilya Korogodin

剖析你的python脚本会告诉你瓶颈。 – m7913d

你有巨大的本地python循环。那些会比较慢（比较）。 Numpy不是魔术般的尘埃，只会加速你的代码，如果你将它加入矢量化的话。 –

是的2大规模的正常蟒蛇循环，这可能是你慢的地方，使用numpy更多 – citizen2077

已经处理了类似的问题，我学会了避免代码的翻译。尽管它可以节省写作时间，但它不会在运行中（减少写作的使用/时间）。

for Python中的循环通常比Matlab慢，但提供了大量的工具和库，可以帮助构建一个好的代码，因此可以使用它们。问题中的意见已经很好帮助！

来源

2017-07-04 10:21:05 Guto

为什么我的Python脚本与Matlab相比速度太慢？

回答

相关问题