numbaによるfor文の高速化とjitの引数

pythonのfor文は遅い．Numbaが使いやすそう．

そこまではわかった．Numbaの使い方も調べた．うん，@jitを頭に置けば良いのだろう．だがしかし，引数や返り値を指定する方法があるときいたが，どのようにすればよいかわからない．そのようなときに参考にすべきページ．ちなみに型指定をすると10倍程度高速化するそう．

参考はこちら．

---

追記

jitをクラスに適応する方法はこちら

---

import numpy as np
from numba import jit, f8, i8, b1, void

@jit(返り値の型(引数1の型,引数2の型,．．．,引数nの型))
def function(引数1,引数2,．．．,引数n):
  処理
　

とりあえず，こんな形でおいてあげれば大丈夫．

型	宣言方法
int	i8
float	f8
string	u1
boolean	b1
返り値なし	void
float 1次配列	f8[:]
float 2次配列	f8[:,:]

例1

@jit(void(i8[:]))
def print_array(xs):
  for x in xs:
    print("* " * x)

xs = np.array([i for i in range(100)])
print_array(xs)

例2

import random
import math

@jit(b1[:](i8[:]))
def is_there_one(xs):
  for x in xs:
    if x == 1:
      return True
  
  return False

xs = np.array([math.ceil(random.random * 100) for i in range(100)])
print("Is there any one in the array? -- {}.".format(is_there_one(xs)))