如何用C代码给Python写扩展库(Cython)
之前一篇文章里提到了利用Cython来编译Python,这次来讲一下如何用Cython给Python写扩展库。
两种语言混合编程,其中最重要的是类型的传递。
我们用一个简单的例子进行入门:这次的目标是用C语言写一个Numpy的加法和元素相乘模块。在本例中,Numpy的array被传入到C语言模块内,变成了二维数组。
1. 头文件main.h:
#ifndef _MAIN_H #define _MAIN_H void plus(double *a, double *b, double *r, int n, int m); // 矩阵加法 void mul(double *a, double *b, double *r, int n, int m); // 矩阵按元素相乘 void main(double *a, double *b, double *r, int n, int m, int times); // 用于测试的main函数 #endif
2. 把主要代码写在main.c中:
#include "main.h" /*********************************** * 矩阵的加法 * 利用数组是顺序存储的特性, * * 通过降维来访问二维数组! * * r ***********************************/ void plus(double *a, double *b, double *r, int n, int m) { int i, j; for(i = 0; i < n; i++) { for(j = 0; j < m; j++) *(r + i*m + j) = *(a + i*m + j) + *(b + i*m + j); } } /*********************************** * 矩阵的按元素乘法 * 利用数组是顺序存储的特性, * * 通过降维来访问二维数组! * * r ***********************************/ void mul(double *a, double *b, double *r, int n, int m) { int i, j; for(i = 0; i < n; i++) { for(j = 0; j < m; j++) *(r + i*m + j) = *(a + i*m + j) * *(b + i*m + j); } } /*********************************** * main函数 * 利用数组是顺序存储的特性, * * 通过降维来访问二维数组! * * r ***********************************/ void main(double *a, double *b, double *r, int n, int m, int times) { int i; // 循环times次 #pragma omp parallel for for (i = 0; i < times; i++) { // 矩阵的加法 plus(a, b, r, n, m); // 矩阵按元素相乘 mul(a, b, r, n, m); } }
这个main.c中实现了矩阵的加法、矩阵按元素相乘的功能,用到的数据结构是二维数组,但是因为C语言中给函数传递二维数组比较麻烦,这里用降维的方法实现。另外在main()函数中,采用一个循环来进行测试,以测试性能。
3. 下面编写test.pyx文件来调用上述C函数(注意,后缀是.pyx噢):详细的知识点在注释中写出来了~
# 既要import numpy, 也要用cimport numpy import time import numpy as np cimport numpy as np # 使用Numpy-C-API np.import_array() # cdefine C 函数 cdef extern from "main.h": void plus(double *a, double *b, double *r, int n, int m) void mul(double *a, double *b, double *r, int n, int m) void main(double *a, double *b, double *r, int n, int m, int times) """ # 定义一个"包装函数", 用于调用C语言的main函数,调用范例:plus_fun(a, b, r) # 在这里要注意函数传入的参数的类型声明,double表示数组的元素是double类型的, # ndim = 2表示数组的维度是2 # 在调用main函数时,要把python的变量强制转化成相应的类型(以确保无误),比如<int> # 当然,基本类型如int,可以不显式地写出来,如下面的a.shape[0]、a.shape[1] """ def main_func(np.ndarray[double, ndim=2, mode="c"] a not None, np.ndarray[double, ndim=2, mode="c"] b not None, np.ndarray[double, ndim=2, mode="c"] r not None, times not None): main(<double*> np.PyArray_DATA(a), <double*> np.PyArray_DATA(b), <double*> np.PyArray_DATA(r), a.shape[0], a.shape[1], <int> times)
4. 为了用Cython编译上述代码,我们创建一个setup.py文件:
import numpy from distutils.core import setup from distutils.extension import Extension from Cython.Distutils import build_ext filename = 'test' # 源文件名 full_filename = 'test.pyx' # 包含后缀的源文件名 setup( name = 'test', cmdclass = {'build_ext': build_ext}, ext_modules=[Extension(filename,sources=[full_filename, "main.c"], include_dirs=[numpy.get_include()])], )
5. 上述的main.h、main.c、test.pyx一定要放在同一个文件夹下。此时在该文件夹下按住shift键,然后右击鼠标,打开cmd或PowerShell控制台,在控制台中运行以下命令进行Cython编译:
python setup.py build_ext --i
或者:
python setup.py build_ext --inplace
编译成功的图例:
此时在同目录下会生成“test.cp36-win_amd64.pyd”的二进制码文件,它是闭源的,但是可以直接用python来import。下面编写测试代码main.py来进行测试:
import test import time import numpy as np start_time = time.time() a = np.random.rand(100, 100) * 2 - 1 # 生成300*300的随即矩阵 b = np.random.rand(100, 100) * 2 - 1 r = np.empty_like(a) # 创建一个空矩阵,用来存储计算结果 test.main_func(a, b, r, 500000) # 调用main_func进行测试 end_time = time.time() print(end_time - start_time) # 输出时间 print(r) # 输出运行结果
执行结果:
通过本例我们可以看到:将循环放在C语言模块中,而不是原生的Python中,可以提高执行效率。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
相关文章
Jupyter Notebook读入csv文件时出错的解决方案
这篇文章主要介绍了Jupyter Notebook读入csv文件时出错的解决方案,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03tensorflow实现tensor中满足某一条件的数值取出组成新的tensor
今天小编就为大家分享一篇tensorflow实现tensor中满足某一条件的数值取出组成新的tensor,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2020-01-01Django中从mysql数据库中获取数据传到echarts方式
这篇文章主要介绍了Django中从mysql数据库中获取数据传到echarts方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
最新评论