optimization - 为什么我的移动平均算法这么慢？

Question

我编写了一个 Fortran 函数，它以非常直接的方式计算一维数字数组的移动平均值:

function moving_average(data, w)

    implicit none

    integer, intent(in) :: w
    real(8), intent(in) :: data(:)

    integer :: n, i
    real(8) :: moving_average(size(data)-w+1)

    n = w-1

    do i=1, size(data)-n
        moving_average(i) = mean(data(i:i+n))
    end do

end function

函数 mean 定义为:

real(8) function mean(data)

    implicit none

    real(8), dimension(:), intent(in) :: data

    mean = sum(data)/size(data)

end function

在我的笔记本电脑上运行函数 moving_average 时，数据集为 100000 个数字，窗口宽度为 1000，需要 0.1 秒。但是，this post 中的函数 running_mean使用 numpy 只需 1 毫秒。为什么我的算法这么慢？

Answer 1

您的算法的阶数为 O(n*m)，其中 n 是移动平均线的大小，m 是数组的大小。

每次计算数组 moving_average 中的一个点时，您都​​会执行以下步骤:

• 提取数组的一部分
• 计算该切片的总和
• 除以常量n

但是，moving_average(i) 和moving_average(i+1) 有如下关系:

moving_average(i+i) = moving_average(i) + (data(i+n) - data(i-1))/n

当你使用它时，你可以将计算时间从 O(n*m) 减少到 O(m)