Python 代码比等价的 Matlab 代码慢的原因通常是在 Matlab 中，更多的计算是由以下库执行的

1. 用低级语言编写，并且
2. 高度优化。

幸运的是，你可以在 Python 中做同样的事情。

例如，Matlab 链接（并捆绑）英特尔的手动调整 MKL 库，而 Python（即 NumPy/SciPy）通常链接到通用系统 BLAS/LAPACK。经过一番争论（并且在向英特尔支付许可证后），您可以自己构建 NumPy/SciPy，以便它调用 MKL；在那之后，对于主要依赖于 BLAS/LAPACK 调用的任何东西，您都会获得大致相同的性能。您可以对OpenBLAS执行相同的操作，它具有与 MKL 相似的性能，但它是开源的，并且更易于构建 NumPy。使用此设置，我的机器上的 Python 代码需要 0.66 秒（它在 0.09 秒内运行您的 Matlab 代码）。

正如您所指出的，剩余的性能差异可能是由于 Matlab 的版本是作为 MEX 文件实现的（即，用 C 语言编写并预编译）。在 Python 中有几个选项可以做同样的事情，例如Cython。正如 awesomebytes 雄辩地建议的那样，您可能希望避免使用 Spectrum（不再积极开发）并尝试使用相关函数，scipy.signal.correlate如果您不想弄脏 C。（LD 递归在 中实现scipy.linalg.solve_toeplitz）。您可能还想看看statsmodel和nitime。

如何使该过程更快？好吧，首先，如果您觉得有时间可以检查实施，我现在正在这样做。（警告：我需要截断链接，因为 stackexchange 不允许我拥有超过 2 个链接）

代码在这里：汇编。com /code/PySpectrum/subversion/nodes/37/trunk/src/spectrum

看看这个包，它已经包含一些 .c 代码来加快一些操作。如果需要，这可能会简化某些部分在 C 中的实现，以便稍后通过 Python 导入它。

我做了 svn checkout https://subversion.assembla.com/svn/PySpectrum/

我得到了：~/spectrumlib/PySpectrum/trunk/src/cpp$ ls init .py mydpss.c

mydpss.c 实现了一些子例程。也许可以在那里添加一些东西。

但是让我们看一下实际正在执行的代码： assembla 。com /code/PySpectrum/subversion/nodes/37/trunk/src/spectrum/yulewalker.py

from correlation import CORRELATION
from levinson import LEVINSON

r = CORRELATION(X, maxlags=order, norm=norm)
A, P, k = LEVINSON(r, allow_singularity=allow_singularity)
return A, P, k

这就是正在执行的。让我们检查一下这里的慢速部分是什么。

所以我修改了 yulewalker.py 如下：

import time
print "Correlation calculation"
t0 = time.time()
r = CORRELATION(X, maxlags=order, norm=norm)
print "Time elapsed: ", time.time()-t0
print "Levinson calculation"
t1 = time.time()
A, P, k = LEVINSON(r, allow_singularity=allow_singularity)
print "Time elapsed: ", time.time()-t1
return A, P, k

我运行了你的 stackexchange 代码，我得到了：

./aryulespeed.py 
Correlation calculation
Time elapsed:  1.50509214401
Levinson calculation
Time elapsed:  0.000110864639282
Time elapsed:  1.50538802147
[-2.7616739   3.81292317 -2.65578205  0.9248034 ]

所以相关性计算是缓慢的部分！啊哈！这个人：汇编。com /code/PySpectrum/subversion/nodes/37/trunk/src/spectrum/correlation.py 似乎是胖子。

哦，看，代码中有一个有趣的注释：

Provides two correlation functions. :func:`CORRELATION` is slower than
:func:`xcorr`. However, the output is as expected by some other functions.
Ultimately, it should be replaced by :func:`xcorr`.

For real data, the behaviour of the 2 functions is identical. However, for
complex data, xcorr returns a 2-sides correlation.

也许我们应该尝试将这个 CORRELATION 交换为 xcorr！

所以我尝试了：

#! /usr/bin/env python
from pylab import *
import scipy.signal
from spectrum import *
import time

# The original imports
from spectrum.correlation import CORRELATION
from spectrum.levinson import LEVINSON
# The faster corr
from spectrum.correlation import xcorr

def superawesomearyule(X, order, norm='biased', allow_singularity=True):

    assert norm in ['biased', 'unbiased']
    import time
    print "Correlation calculation in superawesomearyule"
    t0 = time.time()
    #r = CORRELATION(X, maxlags=order, norm=norm) # Commenting you, slowwww     code!
    r = xcorr(X, maxlags=order, norm=norm)
    print "Time elapsed: ", time.time()-t0
    print "Levinson calculation"
    t1 = time.time()
    A, P, k = LEVINSON(r, allow_singularity=allow_singularity)
    print "Time elapsed: ", time.time()-t1
    return A, P, k



# Create an AR model
a = [1, -2.7607, 3.8106, -2.6535, 0.9238]
# create some data based on these AR parameters
X = randn(1, 256000)
y = scipy.signal.lfilter([1], a, X)
# now, let us try to estimate the original AR parameters
t0 = time.time()
#AR, P, k = aryule(y[0], 4)
AR, P, k = superawesomearyule(y[0], 4)
print "Time elapsed: ", time.time()-t0
#%compare the results in ar_coeffs to the vector A.
print(AR)

并执行：

./aryulespeed.py 
Correlation calculation in superawesomearyule
Time elapsed:  69.9396679401
Levinson calculation
Traceback (most recent call last):
  File "./aryulespeed.py", line 38, in <module>
    AR, P, k = superawesomearyule(y[0], 4)
  File "./aryulespeed.py", line 24, in superawesomearyule
    A, P, k = LEVINSON(r, allow_singularity=allow_singularity)
  File "/usr/local/lib/python2.7/dist-packages/spectrum/levinson.py", line     112, in LEVINSON
    if P <= 0 and allow_singularity==False:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

而且......哦，不：（花了69秒！！然后在莱文森上也坠毁了。

我认为给它一点爱可以在这里做一些事情。也许给它的开发者 Thomas Cokelaer 发一封邮件会有所帮助。

很抱歉，我现在不能在这个问题上投入更多时间。我希望这对您有所帮助:)

我还发现了这个 github 仓库： https ://github.com/RhysU/ar

其中有一个带有一些 python 绑定的 ar 实现。它也可能对您有所帮助。

祝你好运！