魔法の呪文 @njit

こんにちは、シニアTです

今回は、pythonの高速化(numba)の続きです

いつのまにか、内包表記や高階関数ほか、かなり普通のプログラムに対応できてました。

なんの宣言もなしに、タプルを返すこともできます。

例えば、

from numba import njit
import numpy as np
import matplotlib.pyplot as plt

@njit
def myfunc(x, y):
    return (x * x + y * y < 1.0)

@njit
def mytest(X, Y, f):
    xy = np.array([(x, y) for x,y in zip(X, Y) if f(x, y)])
    return len(xy) * 4.0 / len(X), xy

n = 1000000
X = np.random.rand(n)
Y = np.random.rand(n)
a, xy = mytest(X, Y, myfunc)
plt.scatter(xy[:,0], xy[:,1])
plt.title("pi ≒ %4.2f" % a)
plt.show()

プログラムの出来栄えはさておき（苦笑）、ぱっとみ普通のpythonだと僕は思います。
これを実行すると、πの近似値などが表示され、動いてることが分かります
前回紹介した、%timeitを使うと、@njitあるなしで、mytestの時間が20倍くらい違うこともわかります。

っていうか＠njitを外すと、結果を待つのが苦痛になります

これはもはや、「＠njitは魔法の呪文」と言って、違和感ないのかも
とはいえ、関数を返すタイプの高階関数

def adder(x):
   _x = x
  def adr(a):
     nonlocal _x
     _x += a
    return _x
  return adr

は、動かせませんでした。

adrをjitがコンパイルするにはaの値が必要だから、adderが呼ばれたときに、adrを返せというのは、無茶かもしれません。

制約はあるにせよ、@njitを付けるだけで、多くの末端の小さな関数が速く動くというのは、ありがたいです
なお、内包表記は、上記の通りnp.array()でくるんだほうが、高速です
コンパイラが、リストを作る作業を、省いちゃうんでしょう。

添付は、過去の悪事の写真。手前の茶色のカタマリは、豚足です
最初にタンシタとビール大瓶頼んで、それから....