用numba的vectorize加速python計算

用python的for-loop處理工作時，效率很差是眾所皆知，這時可以用numba的JIT來加速，但除此之外，還可以更進一步使用vectorize來加速，vectorize顧名思意是向量式處理資料，我們必須把資料排成向量或距陣，一個一個丟到vectorize函數處理，如下函數:

@vectorize(["float32(uint32,float32,uint16,uint8,uint8,uint16,uint8,uint8)"])
def mymul2(count, timeAtt, dep, io, door, dep2, io2, door2):
  count *= timeAtt
  if dep != dep2:
      count *= 0.5
  if io != io2:
      count *= 0.5
  if door != door2:
      count *= 0.5
  return count

使用函數時:

returnVec = mymul2(count, timeAtt, np.full(len(dep),dep[0]),np.full(len(io),io[0]) , np.full(len(door),door[0]), dep2, io2, door2)

所有傳入的參數，向量長度都一樣，其中np.full(len(dep),dep[0])是因為要把第一個值和所有值比較，故寫成這種型式。