Простое обертывание C кодирует с цитоном

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.

43
задан Jose 15 June 2010 в 14:49
поделиться

3 ответа

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
    повороты f.pyx и fc.cpp -> f. so, динамическую библиотеку
  • python 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
64
ответ дан 26 November 2019 в 22:52
поделиться

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).

3
ответ дан 26 November 2019 в 22:52
поделиться

Вам следует ознакомиться с Ctypes , это, вероятно, самая простая вещь в использовании, если все, что вам нужно, - это одна функция.

2
ответ дан 26 November 2019 в 22:52
поделиться
Другие вопросы по тегам:

Похожие вопросы: