Python 调用自己编写的 Fortran 函数，会比直接运行 Fortran 程序慢很多么？

[sjlinger]

最近在学习 Python 调用 Fortran，期间碰到一个很费解的问题，具体如下：

1，Fortran 编写了一个三重循环，前两个循环是在循环一个二维数组，第三场循环是每个二维数组的点会循环一个数量为 5000 的离散点，并计算其与离散点的距离，当距离小于一定阈值时，加 1，具体代码如下：
do i=1,1401
do j=1,1201
glat=(j-1)*0.1
glon=(i-1)*0.1
do ll=1,5000
distance=sqrt((glat-lat(ll))**2+(glon-lon(ll))**2)
if ( distance<= 2.5 ) then
grid_nst(j,i)=grid_nst(j,i)+1
endif
enddo
enddo
enddo
这个如果用 Fortran 编译器编译并直接运行，时间为 13-15s 不等

2，同一个循环，写成一个 subroutine，然后用 f2py 编译，并用 Python 调用，时间却长达 40-50s 不等，代码未做任何改变，因此只给出传参的代码下：
Fortran：subroutine test(nst,lat,lon)
Python：var=loop.test(lat,lon)
编译命令：f2py -c tt.f90 -m loop --f90exec=gfortran

同一个循环程序，两种运行方式用时差别如此之大，真的让人想不通，不知有没有懂这两种语言并这么使用过的同志知道原因，谢谢

[justou]

从你的 @ 过来; 如果你把 fortran 源码,什么编译器, 编译参数, 性能测试代码; 以及 python 的代码全部放上来这个问题就完美了, 大家也好根据你的步骤直接试试能不能复现这个性能差距. 你这样问还是只能靠瞎猜.

我只有两点建议: 1. 保证两边用同样的 fortran 编译器, 同样的编译参数 2.用不同规模的数据去试试差距有多大. f2py 生成 wrapper 肯定是有性能损耗的, 正常情况下, 在数据量小的时候主要损耗在 wrapper 上面, 数据量大的时候性能差距应该很小.

[sjlinger]

@justou 不好意思，说的还是简单了，我再补偿下，Fortran 代码主要的就是上面这些了，其它的就是读文件里的数据给 lat 和 lon，已经定义变量了，其它的没有更多了，我也是怕会生成额外的计算耗时，所以不敢加多余的语句。编译器和编译代码都一样，编译器是 gfortran，Python 的代码也是读了赋给 lat 和 lon 的外就是 var=loop.test(lat,lon)，剩下的就是 Fortran 函数自己去算了，但好像这个论坛上传不了文件，所以再现没大有可能。如果您愿意，咱们可以加个好友，我把数据文件发您，您在您那测一下，我肯定感激不尽。
附上个我测试 f2py 的性能数据：
real-time: 49.16020 #这是 Python 调用 Fortran 函数时，我计算的函数内部运算的耗时，
如果是允许 Fortran 编译器编译的，是 13.66936 这么长时间

/-----------------------\
< F2PY performance report >
\-----------------------/
Overall time spent in ...
(a) wrapped (Fortran/C) functions : 49705 msec
(b) f2py interface, 1 calls : 113 msec
(c) call-back (Python) functions : 0 msec
(d) f2py call-back interface, 0 calls : 0 msec
(e) wrapped (Fortran/C) functions (actual) : 49705 msec

Use -DF2PY_REPORT_ATEXIT_DISABLE to disable this message.
Exit status: 0