使用Numba @jit处理Numpy数组时触发错误，请求技术帮助

问题原因 #

在Numba的nopython=True编译模式下，全局变量会被默认标记为只读，无法在函数内部直接修改。你代码中定义的array1和array2是全局数组，在jit修饰的函数里直接对其赋值，就触发了这个只读限制的错误。

解决方案 #

方案1：将数组作为函数参数传递（推荐）

这是Numba官方推荐的方式，nopython模式对函数参数的读写支持更完善，也更利于编译器优化。修改后的代码如下：

#!/usr/bin/Python

import numpy as np
from numba import jit

SIZE = 1000
array1 = np.full((SIZE, SIZE), 0)
array2 = np.full((SIZE, SIZE), 0)

@jit(nopython=True)
def fun(arr1, arr2):
    # 注意：nopython模式下禁用print，否则会大幅降低性能，测试时建议移除
    for i in range(1000):
        for j in range(1000):
            arr1[i,j] = i+j
            arr2[i,j] = i-j
            arr1[i,j] = arr2[j,i]

            for k in range(1000):
                arr1[i,j] = i+j
                arr2[i,j] = i-j
                arr1[i,j] = arr2[j,i]

                for l in range(1000):
                    arr1[i,j] = i+j
                    arr2[i,j] = i-j
                    arr1[i,j] = arr2[j,i]

# 调用函数时传入数组
fun(array1, array2)
# 可按需打印部分结果验证：print(array1[:5, :5])

方案2：使用globalref声明全局变量（不推荐）

如果必须使用全局变量，可以通过numba.globalref在函数内部获取可写的全局变量引用，但这种方式会削弱Numba的优化能力，且代码可读性差，仅作备选：

#!/usr/bin/Python

import numpy as np
from numba import jit, globalref

SIZE = 1000
array1 = np.full((SIZE, SIZE), 0)
array2 = np.full((SIZE, SIZE), 0)

@jit(nopython=True)
def fun():
    arr1 = globalref('array1')
    arr2 = globalref('array2')
    
    for i in range(1000):
        for j in range(1000):
            arr1[i,j] = i+j
            arr2[i,j] = i-j
            arr1[i,j] = arr2[j,i]

            for k in range(1000):
                arr1[i,j] = i+j
                arr2[i,j] = i-j
                arr1[i,j] = arr2[j,i]

                for l in range(1000):
                    arr1[i,j] = i+j
                    arr2[i,j] = i-j
                    arr1[i,j] = arr2[j,i]

fun()

额外优化建议 #

• 用range替代np.arange作为循环索引：Numba对原生range的优化更好，能生成更高效的机器码。
• 移除无意义的重复赋值：你代码中多次对同一数组元素重复赋值（如arr1[i,j]被多次覆盖），实际性能测试时建议替换为有实际计算逻辑的代码，否则测试结果不具备参考性。
• 禁用print：nopython模式下调用print会强制切换到对象模式，完全失去Numba的性能优势，性能测试时务必移除。

内容的提问来源于stack exchange，提问作者Qba Liu