python和fortran哪个更快_为什么Numpy比我的Fortran程序快得多?

本文探讨了为什么Numpy在处理数组计算时比Fortran程序更快,并提供了一个优化后的Fortran代码示例,通过使用数组操作和LAPACK库,实现了与Numpy相当的性能。优化主要包括避免混合I/O和计算,利用向量/矩阵操作,并使用LAPACK的SLANGE函数计算1-范数。
摘要由CSDN通过智能技术生成

您的Fortran实现有两个主要缺点:您可以混合IO和计算(并按条目从文件条目读取)。

您不使用向量/矩阵操作。

此实现确实执行与您的实现相同的操作,并且在我的机器上比您的执行速度快20倍:program test

integer gridsize,unit

real mini,maxi,mean

real, allocatable :: tmp (:,:,:)

gridsize=512

unit=40

allocate( tmp(gridsize, gridsize, gridsize))

open(unit=unit,file='T.out',status='old',access='stream',&

form='unformatted',action='read')

read(unit=unit) tmp

close(unit=unit)

mini = minval(tmp)

maxi = maxval(tmp)

mean = sum(tmp)/gridsize**3

print *, mini, maxi, mean

end program

这样做的目的是将整个文件读入一个数组中。tmp一步一步。然后,我可以使用这些函数MAXVAL,MINVAL,和SUM直接在数组上。

对于精度问题:只需使用双精度值,并执行动态转换,如mean = sum(real(tmp, kind=kind(1.d0)))/real(gridsize**3, kind=kind(1.d0))

只略微增加计算时间。我试着按元素的顺

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PythonFortran的混合编程可以通过使用F2PY(Fortran to Python)工具来实现。F2PY是一个用于将Fortran代码转换为Python可调用模块的工具,它可以将Fortran代码编译成Python模块,使得Python代码可以调用Fortran代码。 以下是Python封装Fortran的步骤: 1. 编写Fortran代码,并创建一个Fortran模块文件。例如,假设我们有一个Fortran程序文件`test.f90`,其中包含一个名为`add`的子程序,它可以计算两个整数的和。我们可以使用以下命令编译Fortran代码,生成一个名为`test_module.so`的共享库文件: ``` f2py -c -m test_module test.f90 ``` 2. 在Python中导入创建的Fortran模块。可以使用以下代码: ```python import numpy as np from test_module import add a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = add(a, b) print(c) ``` 在上述代码中,我们首先导入了Numpy库和我们创建的Fortran模块`test_module`中的`add`子程序。然后,我们使用Numpy创建了两个数组`a`和`b`,并将它们作为参数传递给`add`子程序。最后,我们打印输出结果。 注意,在使用F2PY封装Fortran代码时,需要将Fortran代码中的变量类型和Python中的变量类型进行匹配。同时,还需要考虑Fortran代码中的数组是按列存储还是按行存储的,以及是否使用了Fortran特有的数组下标从1开始的特性。 除了使用F2PY进行Python封装Fortran外,还可以使用Cython、SWIG等工具进行混合编程。这些工具都可以将Fortran代码编译成Python可调用模块,使得Python代码可以调用Fortran代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值