我正在编写许多很多列联表，作为我正在编写的项目的一部分。

工作流程是：

• 获取具有连续（浮点）行的大型数据数组，并通过分箱将其转换为离散整数值（例如，结果行的值为0-9）
• 将两行切成向量X和Y并从中生成列联表，以便我具有二维频率分布
• 例如，我有一个10 x 10阵列，计算出现的（xi，yi）数
• 使用列联表来做一些信息理论数学

最初，我写道：

def make_table(x, y, num_bins):
    ctable = np.zeros((num_bins, num_bins), dtype=np.dtype(int))
    for xn, yn in zip(x, y):
        ctable[xn, yn] += 1
    return ctable

这样可以正常工作，但速度很慢，以至于它占据了整个项目运行时间的90％。

我能够提出的最快的python优化是：

def make_table(x, y, num_bins):
    ctable = np.zeros(num_bins ** 2, dtype=np.dtype(int))
    reindex = np.dot(np.stack((x, y)).transpose(), 
                     np.array([num_bins, 1]))
    idx, count = np.unique(reindex, return_counts=True)
    for i, c in zip(idx, count):
        ctable[i] = c
    return ctable.reshape((num_bins, num_bins))

这（某种程度上）要快得多，但对于看起来不应该是瓶颈的东西，它仍然相当昂贵。是否有任何有效的方法可以做到这一点，我只是没有看到，或者我应该放弃并在cython中这样做？

此外，这是一个基准测试功能。

def timetable(func):
    size = 5000
    bins = 10
    repeat = 1000
    start = time.time()
    for i in range(repeat):
        x = np.random.randint(0, bins, size=size)
        y = np.random.randint(0, bins, size=size)
        func(x, y, bins)
    end = time.time()
    print("Func {na}: {ti} Ms".format(na=func.__name__, ti=(end - start)))