python - 如果打印值，Numba JIT 会更改结果

Question

我今天开始使用 numba，主要是因为我有一个嵌套的 for 循环，使用常规 python 代码可能需要相当长的时间。

我有一个带有 llvm-3.6 的 python-2.7 的 macports 版本和 numba 的 pip 版本(一切都是最新的)

这是我使用的代码:

import pandas as pd
from numba import jit
from numpy import nan, full

@jit
def movingAverage(adj_close, maxMA):
    ma = full([len(adj_close), maxMA], nan, dtype=float64)
    ind = range( 1, len(adj_close)+1 )
    for d in ind:
        m = max( 0, d-maxMA-1)
        adj = adj_close[d-1:m:-1] if (m or d==maxMA+1) else adj_close[d-1::-1]
        cs = adj.cumsum()
        for i in range( len(adj) ):
            ma[d-1][i] = ( cs[i] / (i+1) )
        print ma
    return ma

我正在为最多 maxMA 天的输入 adj_close 计算滚动平均值。

adj_close 是一组值，每天一个值

我首先创建了 ma，它是将要计算的值的容器。并单独计算每一天的值(注意第一天只能有涉及 1 天的平均值，第二天，2 等等直到 maxMA)

如果我输入类似 adj_close = array(range(5), dtype=float64) 和 maxMA = 3 的内容，得到如下正确答案:

array([[  0.,  nan,  nan],
       [  1.,   0.5,  nan],
       [  2.,   1.5,   1.],
       [  3.,   2.5,   2.],
       [  4.,   3.5,   3.]])

但是，如果我取出 print ma 行，就在我的函数返回之前，它只返回部分答案:

array([[ nan,  nan,  nan],
       [ nan,  nan,  nan],
       [ nan,  nan,  nan],
       [  3.,   2.5,   2.],
       [  4.,   3.5,   3.]])

为什么会这样？为什么@jit 需要在这些循环之间打印才能得到正确的答案？我该怎么做才能摆脱 print 语句(这会大大增加运行时间)？

---

编辑:我接受@JoshAdel 的建议并打开了 issue在 Numba 的 github 上。因此，我接受@MSeifert 的回答，因为解决方法为我解决了这个问题。

Answer 1

我认为 numba 在这里做了一些奇怪的事情，但可能是因为混合了 python 和 nopython 模式。如果我使用 Python 3.5，则使用和不使用 print 时返回的结果是相同的。

对于 python 2.7，我认为问题是因为 for 循环是在 nopython 模式(无打印)或 python 模式(有打印)下编译的。但是当它退出循环时转换为 python 。但这只是猜测。但我尝试过:

import pandas as pd
from numba import jit
from numpy import nan, full
import numpy as np

@jit
def movingAverage(adj_close, maxMA):
    ma = full([len(adj_close), maxMA], nan, dtype=np.float64)
    ind = range( 1, len(adj_close)+1 )
    for d in ind:
        m = max( 0, d-maxMA-1)
        adj = adj_close[d-1:m:-1] if (m or d==maxMA+1) else adj_close[d-1::-1]
        cs = adj.cumsum()
        for i in range( len(adj) ):
            ma[d-1][i] = ( cs[i] / (i+1) )
        if d == ind[-1]:
            return ma # notice that I return it after the last loop but before the loop terminates.
    #return ma

它确实返回:

array([[  0.,  nan,  nan],
       [  1.,   0.5,  nan],
       [  2.,   1.5,   1.],
       [  3.,   2.5,   2.],
       [  4.,   3.5,   3.]])

然而，由于重新计算了 len(adj_close)+1，这并不是一种非常有效的方法。这可以存储在某个地方。