小编PDi*_*lta的帖子

我使用export FLASK_APP=flask_app然后做flask run但我得到错误:

错误:提供的文件/路径(flask_app)似乎不存在.请验证路径是否正确.如果app不在PYTHONPATH上,请确保扩展名为.py

但是,该文件确实存在,甚至在当前工作目录中.使用文件的完整路径也不起作用.

我是CUDA的新手,我正在试图弄清楚PyCUDA(免费)或NumbaPro CUDA Python(非免费)对我来说会更好(假设图书馆成本不是问题).

两者似乎都要求您使用各自的Python方言.但是,似乎PyCUDA要求你在C代码中编写一个内核函数,这比使用NumbaPro更麻烦,NumbaPro似乎为你做了所有艰苦的工作.

确实如此吗？会有显着的性能差异吗？

如果按照Cython 调试文档中指定的那样使用 python2.7 配置它，则在从源代码构建 gdb 后，可以使用 gdb 调试 Python3/Cython 项目。

但是，文档中的示例：

1. 有时是模糊的（例如，代码应该使用 python3 构建，调试器使用 python2 运行，但我发现python-gdb实际上链接到python2......那么它是如何工作的？）
2. 不完整（代码块中涵盖了一些步骤，文本中模糊地提到了其他步骤）
3. 不一致（例如同时引用source.pyx和myfile.pyx）

此外，它：

1. 没有考虑虚拟环境的使用
2. 似乎假设该main函数驻留在 .pyx 中（但我的函数驻留在常规main.py）
3. 不指定当您的文件位于不同目录中时要执行的操作（例如像 mymain.py和cythonCode.pyxdo ）

有人可以解释一下（最好有工作示例）如何在涉及刚才提到的所有 3 点的情况下调试 Python3/Cython 项目吗？

目前看来我实际上可以按照这篇Cython wiki 文章让 DDD 工作，但后来我发现这是“旧”的做法，它指的是我也链接到的当前调试文档。然而，目前我还不清楚“新”方法如何发挥作用（旧方法对我来说更有意义），而且让它发挥作用似乎更复杂。

我想将“\t”写入文件。不是“制表符”，而是字面上的“\t”。我该怎么做呢？这已经让我发疯了一个多小时了；我尝试的所有操作都会产生一个实际的“制表符”（空白）。

我为什么想要这个？因为我正在使用 ConfigParser() 生成一个配置文件，其中还包含一些分隔符，并且我希望该文件是人类可读的。我不认为空白是可读的。

编辑：抱歉，问题不清楚：我想对包含字符串的变量执行此操作。所以写“\\t”不是一个选择。我必须将包含转义字符的变量的值写入文件，其方式在思想上等同于：

v = "\t"
write(v)

不改变定义的情况v下（尽管对 的操作是可以的）定义为“\t”后，v似乎不可能更改为“\\t”。v

目标是将pytest单元测试框架用于使用 Cython 的 Python3 项目。这不是即插即用的事情，因为pytest默认情况下无法导入 Cython 模块。

一种不成功的解决方案是使用该pytest-cython插件，但它对我来说根本不起作用：

> py.test --doctest-cython
usage: py.test [options] [file_or_dir] [file_or_dir] [...]
py.test: error: unrecognized arguments: --doctest-cython
  inifile: None
  rootdir: /censored/path/to/my/project/dir

要验证我是否已安装该软件包：

> pip freeze | grep pytest-cython
pytest-cython==0.1.0

更新：我正在使用 PyCharm，它似乎没有使用我的 pip 安装的软件包，而是使用我的项目使用的软件包的自定义（？）pycharm 存储库。一旦我添加pytest-cython到该存储库，该命令就会运行，但奇怪的是它无论如何都无法识别 Cython 模块，尽管包/附加组件是专门为此目的而设计的：

> pytest --doctest-cython
Traceback:
tests/test_prism.py:2: in <module>
    from cpc_naive.prism import readSequence, processInput
cpc_naive/prism.py:5: in <module>
    from calculateScore import calculateScore, filterSortAlphas, 
calculateAlphaMatrix_c#, incrementOverlapRanges  # cython code
E   ImportError: No module …

目标是为使用 Cython 的 Python3 项目使用 pytest 单元测试框架。这不是即插即用的事情，因为默认情况下 pytest 无法导入 Cython 模块。也就是说，从 Cython .pyx 模块导入时出现以下错误，在我的例子中名为“calculateScore”：

package/mainmodule.py:5: in <module>
    from calculateScore import some_functions
E   ImportError: No module named 'calculateScore'

使用pytest-runner和pytest-cython方法时都会出现此问题。奇怪的是，当您不尝试使用pytest. 将导入样式更改为import calculateScore或import package.calculateScore没有帮助。

假设我想要最佳性能,我怎么知道在定义Cython函数时是使用def,cdef还是cpdef？

EDIT2：正如@ShadowRanger指出的那样，这是一种Numpy现象，而不是Python。但是，当在Python中使用列表推导进行计算（因此x+y变为[a+b for a,b in zip(x,y)]）时，所有算术运算仍会花费同样长的时间（尽管是Numpy的100倍以上）。但是，当我在真实的仿真中使用整数除法时，它们的运行速度会更快。因此，主要问题仍然存在：即使在Python中，为什么这些测试表明整数除法没有比常规除法更快？

EDIT1：版本：Python 3.5.5，Numpy 1.15.0。

似乎在Python Numpy中，整数除法比（整数的）正规除法更昂贵，这是违反直觉的。测试时，我得到以下信息：

setup_string = 'import numpy as np;\
                N=int(1e5);\
                x=np.arange(1,N+1, dtype=int);\
                y=np.arange(N, dtype=int);'

加法（+）〜0.1s

timeit("x+y", setup=setup_string, number=int(1e3))
0.09872294100932777

减法（-）〜0.1s

timeit("x-y", setup=setup_string, number=int(1e3))
0.09425603999989107

乘法（*）〜0.1s

timeit("x*y", setup=setup_string, number=int(1e3))
0.09888673899695277

除（/）〜0.35s

timeit("x/y", setup=setup_string, number=int(1e3))
0.3574664070038125

整数除（//）〜1s（！）

timeit("x//y", setup=setup_string, number=int(1e3))
1.006298642983893

任何想法为什么会这样？为什么整数除法不快？

更新:之前,我使用paste函数作为示例而不是任意myFun函数.这个问题稍微容易一些,因为paste实际上可以对矢量进行操作,而myFun不能.

我想将自己的函数元素应用于data.frame中的每个元素,并将修改后的data.frame作为返回值.

例:

> df <- data.frame(c(1,2,3), c(2,3,4))
> df
  c.1..2..3. c.2..3..4.
1          1          2
2          2          3
3          3          4
> df_x <- magical_apply_function(df, function(x) myFun
> df_x
  c.1..2..3. c.2..3..4.
1         myFun(1)         myFun(2)
2         myFun(2)         myFun(3)
3         myFun(3)         myFun(4)

我完全不知道无法在互联网上的任何地方找到这个问题的答案.大多数资源谈apply,lapply和sapply但那些只工作在矢量/列表和它们只返回列表.

for循环真的是唯一的方法吗？

我正在使用浮点数.如果我做:

import numpy as np
np.round(100.045, 2)

我明白了:

Out[15]: 100.04

显然,这应该是100.05.我知道IEEE 754的存在,并且浮点数的存储方式是导致这种舍入误差的原因.

我的问题是:我怎样才能避免这个错误？

project
|-main.py
|-cythonCode.pyx

该main.py文件从 导入函数cythonCode.pyx。定期运行程序工作正常，但调试它会导致以下异常：

(...)
File "<censored>/project/main.py", line 5, in <module>
    from cythonCode import *
  File "project/cythonCode.pyx", line 5, in init cythonCode
  File "project/cythonCode.pyx", line 5, in __Pyx_PyMODINIT_FUNC PyInit_cythonCode(void)
TypeError: 'NoneType' object is not callable

怎么了？为什么调试器不能与 Cython 一起使用？