我有很多C函数，我想从python中调用它们。 cython似乎是要走的路，但我无法真正找到一个如何做到这一点的例子。我的C函数看起来像这样：
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 ) ;
我想要做的就是指定前三个参数（一个字符串和两个整数），并恢复8个numpy数组（或python列表。所有双数组都有N个元素）。我的代码假设指针指向已经分配的内存块。此外，生成的C代码应该链接到一些外部库。
答案 0 :(得分：64)
这是传递numpy数组的一个小但完整的例子 到逻辑上的外部C函数
fc( int N, double* a, double* b, double* z ) # z = a + b
使用Cython。 （对于那些了解它的人来说，这肯定是众所周知的。 欢迎评论。 最后更改：2011年2月23日，Cython 0.14。）
首先阅读或略读 Cython build 和Cython with NumPy。
2个步骤：
python f-setup.py build_ext --inplace f.pyx和fc.cpp - ＆gt; f.so，动态库python test-f.py import f加载f.so; f.fpy( ... )调用C fc( ... )。 python f-setup.py使用distutils来运行cython，编译和链接：
cython f.pyx -> f.cpp
编译f.cpp和fc.cpp
链接f.o fc.o - ＆gt; f.so，
一个python import f将加载的动态库。
对于学生，我建议：制作这些步骤的图表， 查看下面的文件，然后下载并运行它们。
（distutils是一个巨大的，错综复杂的包
制作Python包以进行分发，然后安装它们。
在这里，我们只使用它的一小部分来编译和链接到f.so。
这一步与Cython无关，但可能令人困惑;
.pyx中的简单错误可能导致来自g ++编译和链接的页面模糊错误消息。
也可以看看
distutils doc
和/或
SO questions on distutils。）
与make一样，setup.py会重新运行
cython f.pyx和g++ -c ... f.cpp
如果f.pyx比f.cpp更新
要清理，rm -r build/。
setup.py的替代方法是在脚本或Makefile中单独运行步骤：
cython --cplus f.pyx -> f.cpp # see cython -h
g++ -c ... f.cpp -> f.o
g++ -c ... fc.cpp -> fc.o
cc-lib f.o fc.o -> dynamic library f.so。
修改cc-lib-mac包装器
下面是你的平台和安装：它不漂亮，但很小。
有关Cython包装C的真实示例， 几乎可以查看.pyx文件 SciKit。
另见： Cython for NumPy users 和SO questions/tagged/cython。
要解压缩以下文件，
将该批次剪切粘贴到一个大文件中，比如cython-numpy-c-demo，
然后在Unix（在一个干净的新目录中）运行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
答案 1 :(得分：12)
以下Cython代码来自 http://article.gmane.org/gmane.comp.python.cython.user/5625不需要显式强制转换，也可以处理非连续数组：
def fpy(A):
cdef np.ndarray[np.double_t, ndim=2, mode="c"] A_c
A_c = np.ascontiguousarray(A, dtype=np.double)
fc(&A_c[0,0])
答案 2 :(得分：3)
基本上你可以编写你的Cython函数，以便它分配数组（确保你cimport numpy as np）：
cdef np.ndarray[np.double_t, ndim=1] rr = np.zeros((N,), dtype=np.double)
然后将每个.data指针传递给您的C函数。这应该工作。如果您不需要以零开头，则可以使用np.empty进行小幅提升。
请参阅文档中的Cython for NumPy Users教程（将其修复为正确的链接）。
答案 3 :(得分：2)
如果你想要的只是一个功能，你应该看看Ctypes它可能是最容易使用的东西。