У меня есть много функций C, и я хотел бы назвать их из Python. цитон, кажется, способ пойти, но я не могу действительно найти пример того, как точно это сделано. Моя функция C похожа на это:
void calculate_daily ( char *db_name, int grid_id, int year,
double *dtmp, double *dtmn, double *dtmx,
double *dprec, double *ddtr, double *dayl,
double *dpet, double *dpar ) ;
Все, что я хочу сделать, должно указать первые три параметра (строка и два целых числа), и восстановить 8 массивов numpy (или списки Python. Все двойные массивы имеют элементы N). Мой код предполагает, что указатели указывают на уже выделенный блок памяти. Кроме того, произведенный код C должен связаться с некоторыми внешними библиотеками.
Вот маленький, но полный пример передачи массивов numpy во внешнюю C-функцию, логически
fc( int N, double* a, double* b, double* z ) # z = a + b
используя Cython. (Это наверняка хорошо известно тем, кто хорошо знаком с этим языком. Комментарии приветствуются. Последнее изменение: 23 февраля 2011 года, для Cython 0.14.)
Первое чтение или прочтение Сборка Cython Cython с NumPy .
2 шага:
python f-setup.py build_ext --inplace
f.pyx
и fc.cpp
-> f. so
, динамическую библиотекуpython test-f.py
import f
загружает f.so
; f.fpy( ... )
вызывает C fc( ... )
. python f-setup.py
использует distutils
для запуска cython, компиляции и линковки:
cython f.pyx -> f.cpp
компиляция f.cpp
и fc.cpp
линковка f.o fc.o
-> f.so
,
динамическая библиотека, которую загрузит python import f
.
Для студентов я бы предложил: составить схему этих шагов, просмотреть приведенные ниже файлы, затем загрузить и запустить их.
(distutils
- это огромный, запутанный пакет, используемый для
создания пакетов Python для распространения и их установки.
Здесь мы используем лишь небольшую его часть для компиляции и линковки f.so
.
Этот шаг не имеет никакого отношения к Cython, но он может сбить с толку;
простые ошибки в .pyx могут вызвать страницы непонятных сообщений об ошибках при компиляции и линковке g++.
См. также
distutils doc
и/или
SO вопросы по distutils .)
Как и make
, setup.py
повторно запускает
cython f.pyx
и g++ -c ... f.cpp
если f.pyx
новее, чем f.cpp
.
Для очистки, rm -r build/
.
Альтернативой setup.py
может быть выполнение шагов отдельно, в скрипте или Makefile:
cython --cplus f.pyx -> f.cpp # см. cython -h
g++ -c ... f.cpp -> f.o
g++ -c ... fc.cpp -> fc.o
cc-lib f.o fc.o -> динамическая библиотека f.so
.
Измените обертку cc-lib-mac
ниже для вашей платформы и установки: она не очень красивая, но маленькая.
Для реальных примеров того, как Cython оборачивает C, посмотрите на .pyx-файлы практически в любом SciKit .
См. также: Cython для пользователей NumPy , SO questions/tagged/cython .
Чтобы распаковать следующие файлы,
вырежьте-вставьте все в один большой файл, скажем cython-numpy-c-demo
,
затем в Unix (в новом чистом каталоге) выполните sh cython-numpy-c-demo
.
#--------------------------------------------------------------------------------
cat >f.pyx <<\!
# f.pyx: numpy arrays -> extern from "fc.h"
# 3 steps:
# cython f.pyx -> f.c
# link: python f-setup.py build_ext --inplace -> f.so, a dynamic library
# py test-f.py: import f gets f.so, f.fpy below calls fc()
import numpy as np
cimport numpy as np
cdef extern from "fc.h":
int fc( int N, double* a, double* b, double* z ) # z = a + b
def fpy( N,
np.ndarray[np.double_t,ndim=1] A,
np.ndarray[np.double_t,ndim=1] B,
np.ndarray[np.double_t,ndim=1] Z ):
""" wrap np arrays to fc( a.data ... ) """
assert N <= len(A) == len(B) == len(Z)
fcret = fc( N, <double*> A.data, <double*> B.data, <double*> Z.data )
# fcret = fc( N, A.data, B.data, Z.data ) grr char*
return fcret
!
#--------------------------------------------------------------------------------
cat >fc.h <<\!
// fc.h: numpy arrays from cython , double*
int fc( int N, const double a[], const double b[], double z[] );
!
#--------------------------------------------------------------------------------
cat >fc.cpp <<\!
// fc.cpp: z = a + b, numpy arrays from cython
#include "fc.h"
#include <stdio.h>
int fc( int N, const double a[], const double b[], double z[] )
{
printf( "fc: N=%d a[0]=%f b[0]=%f \n", N, a[0], b[0] );
for( int j = 0; j < N; j ++ ){
z[j] = a[j] + b[j];
}
return N;
}
!
#--------------------------------------------------------------------------------
cat >f-setup.py <<\!
# python f-setup.py build_ext --inplace
# cython f.pyx -> f.cpp
# g++ -c f.cpp -> f.o
# g++ -c fc.cpp -> fc.o
# link f.o fc.o -> f.so
# distutils uses the Makefile distutils.sysconfig.get_makefile_filename()
# for compiling and linking: a sea of options.
# http://docs.python.org/distutils/introduction.html
# http://docs.python.org/distutils/apiref.html 20 pages ...
# https://stackoverflow.com/questions/tagged/distutils+python
import numpy
from distutils.core import setup
from distutils.extension import Extension
from Cython.Distutils import build_ext
# from Cython.Build import cythonize
ext_modules = [Extension(
name="f",
sources=["f.pyx", "fc.cpp"],
# extra_objects=["fc.o"], # if you compile fc.cpp separately
include_dirs = [numpy.get_include()], # .../site-packages/numpy/core/include
language="c++",
# libraries=
# extra_compile_args = "...".split(),
# extra_link_args = "...".split()
)]
setup(
name = 'f',
cmdclass = {'build_ext': build_ext},
ext_modules = ext_modules,
# ext_modules = cythonize(ext_modules) ? not in 0.14.1
# version=
# description=
# author=
# author_email=
)
# test: import f
!
#--------------------------------------------------------------------------------
cat >test-f.py <<\!
#!/usr/bin/env python
# test-f.py
import numpy as np
import f # loads f.so from cc-lib: f.pyx -> f.c + fc.o -> f.so
N = 3
a = np.arange( N, dtype=np.float64 )
b = np.arange( N, dtype=np.float64 )
z = np.ones( N, dtype=np.float64 ) * np.NaN
fret = f.fpy( N, a, b, z )
print "fpy -> fc z:", z
!
#--------------------------------------------------------------------------------
cat >cc-lib-mac <<\!
#!/bin/sh
me=${0##*/}
case $1 in
"" )
set -- f.cpp fc.cpp ;; # default: g++ these
-h* | --h* )
echo "
$me [g++ flags] xx.c yy.cpp zz.o ...
compiles .c .cpp .o files to a dynamic lib xx.so
"
exit 1
esac
# Logically this is simple, compile and link,
# but platform-dependent, layers upon layers, gloom, doom
base=${1%.c*}
base=${base%.o}
set -x
g++ -dynamic -arch ppc \
-bundle -undefined dynamic_lookup \
-fno-strict-aliasing -fPIC -fno-common -DNDEBUG `# -g` -fwrapv \
-isysroot /Developer/SDKs/MacOSX10.4u.sdk \
-I/Library/Frameworks/Python.framework/Versions/2.6/include/python2.6 \
-I${Pysite?}/numpy/core/include \
-O2 -Wall \
"$@" \
-o $base.so
# undefs: nm -gpv $base.so | egrep '^ *U _+[^P]'
!
# 23 Feb 2011 13:38
По сути, вы можете написать свою функцию Cython так, чтобы она выделяла массивы (убедитесь, что вы импортируете numpy как np
):
cdef np.ndarray[np.double_t, ndim=1] rr = np.zeros((N,), dtype=np.double)
затем передайте . data
указатель каждого на вашу функцию C. Это должно сработать. Если вам не нужно начинать с нулей, вы можете использовать np.empty
для небольшого увеличения скорости.
См. Руководство Cython для пользователей NumPy в документации (исправлено на правильную ссылку).
Вам следует ознакомиться с Ctypes , это, вероятно, самая простая вещь в использовании, если все, что вам нужно, - это одна функция.