小编Beh*_*ali的帖子

如何print在没有gil的Cython函数中使用？例如:

from libc.math cimport log, fabs
cpdef double f(double a, double b) nogil:
    cdef double c = log( fabs(a - b) )
    print c
    return c

编译时出现此错误:

Error compiling Cython file:
...
    print c
    ^
------------------------------------------------------------

Python print statement not allowed without gil
...

我知道如何使用C库而不是他们的python等价物(math例如这里的库),但我找不到类似的方法print.

我有一个循环修改water_depth类型为 2D numpy 数组的元素float。该阵列包含每个像素的水深，范围通常在 0 到 1.5m 之间。我想用这个不断变化的数组制作一个视频：每次迭代都可以是视频中的一个帧。我只发现这个链接解释了一个类似的问题，并建议使用 cv2 VideoWriter。问题是我的 numpy 数组是一个浮点数，而不是整数。这是否意味着我需要在每次迭代中对我的数组进行某种预处理？

import numpy as np

water_depth = np.zeros((500,700), dtype=float)

for i in range(1000):
    random_locations = np.random.random_integers(200,450, size=(200, 2))
    for item in random_locations:
        water_depth[item[0], item[1]] += 0.1
        #add this array to the video

我想避免在以下代码中使用for循环来实现性能.矢量化适合这种问题吗？

a = np.array([[0,1,2,3,4],
              [5,6,7,8,9],
              [0,1,2,3,4],
              [5,6,7,8,9],
              [0,1,2,3,4]],dtype= np.float32)

temp_a = np.copy(a)

for i in range(1,a.shape[0]-1):
    for j in range(1,a.shape[1]-1):
        if a[i,j] > 3:
            temp_a[i+1,j] += a[i,j] / 5.
            temp_a[i-1,j] += a[i,j] / 5.
            temp_a[i,j+1] += a[i,j] / 5.
            temp_a[i,j-1] += a[i,j] / 5.
            temp_a[i,j]   -= a[i,j] * 4. / 5.
a = np.copy(temp_a)   

我有两个数据集如下：

ds1：一个 DEM（数字高程模型）文件作为 2d numpy 数组，

ds2：显示有一些多余水分的区域（像素）。

我有一个 while 循环，负责根据其 8 个相邻像素的高程及其自身的高度来扩展（和更改）每个像素中的多余体积，直到每个像素中的多余体积小于某个值 d = 0.05。因此，在每次迭代中，我需要在 ds2 中找到多余体积大于 0.05 的像素索引，如果没有像素剩余，则退出 while 循环：

exit_code == "No"
while exit_code == "No":
    index_of_pixels_with_excess_volume = numpy.argwhere(ds2> 0.05) # find location of pixels where excess volume is greater than 0.05

    if not index_of_pixels_with_excess_volume.size:
        exit_code = "Yes"
    else:
        for pixel in index_of_pixels_with_excess_volume:
            # spread those excess volumes to the neighbours and
            # change the values of ds2

问题是 numpy.argwhere(ds2> 0.05) 非常慢。我正在寻找更快的替代解决方案。

编译以下 Cython 代码后，我得到如下所示的 html 文件：

import numpy as np
cimport numpy as np

cpdef my_function(np.ndarray[np.double_t, ndim = 1] array_a,
                  np.ndarray[np.double_t, ndim = 1] array_b,
                  int n_rows,
                  int n_columns):

    array_a[0:-1:n_columns] = 0
    array_a[n_columns - 1:n_rows * n_columns:n_columns] = 0
    array_a[0:n_columns] = 0
    array_a[n_columns* (n_rows - 1):n_rows * n_columns] = 0
    array_b[array_a == 3] = 0

    return array_a, array_b

我的问题是，为什么我的函数的那些操作仍然是黄色的？这是否意味着代码仍然没有使用 Cython 时那么快？

我有一个简单的函数，将一些计算的输出写入sqlite表中。我想在Python中通过多处理并行使用此函数。我的具体问题是，当每个进程尝试将其结果写入同一张表时，如何避免冲突？运行代码给我这个错误：sqlite3.OperationalError：数据库被锁定。

import sqlite3
from multiprocessing import Pool

conn = sqlite3.connect('test.db')
c = conn.cursor()
c.execute("CREATE TABLE table_1 (id int,output int)")

def write_to_file(a_tuple):
    index = a_tuple[0]
    input = a_tuple[1]
    output = input + 1
    c.execute('INSERT INTO table_1 (id, output)' 'VALUES (?,?)', (index,output))

if __name__ == "__main__":
    p = Pool()
    results = p.map(write_to_file, [(1,10),(2,11),(3,13),(4,14)])
    p.close()
    p.join()

Traceback (most recent call last):
sqlite3.OperationalError: database is locked