Python 與 C/C++ 互動的幾種方式

標籤：htm   訪問   官方   gif   img   pes   例子   ogr   語言   

　　python作為一門指令碼語言，其好處是文法簡單，很多東西都已經封裝好了，直接拿過來用就行，所以實現同樣一個功能，用Python寫要比用C/C++代碼量會少得多。但是優點也必然也伴隨著缺點（這是肯定的，不然還要其他語言幹嘛），python最被人詬病的一個地方可能就是其運行速度了。這這是大部分指令碼語言共同面對的問題，因為沒有編譯過程，直接逐行執行，所以要慢了一大截。所以在一些對速度要求很高的場合，一般都是使用C/C++這種編譯型語言來寫。但是很多時候，我們既想使用python的簡介優美，又不想損失太多的效能，這個時候有沒有辦法將python與C/C++結合到一起呢？這樣在效能與速度要求不高的地方，可以用pyhton寫，而關鍵的運算部分用C/C++寫，這樣就太好了。python在做科學計算或者資料分析時，這是一個非常普遍的需求。要想實現這個功能，python為我們提供了不止一種解決辦法。下面我就逐一給大家介紹。

　　一、Cython 混合python與C

　　官方網址：http://docs.cython.org/en/latest/src/quickstart/overview.html。首先來看看cython的官方介紹吧。

[Cython] is a programming language that makes writing C extensions for the Python language as easy as Python itself. It aims to become a superset of the [Python]language which gives it high-level,  object-oriented, functional, and dynamic programming. Its main feature on top of these is support for optional static type declarations as part of the language. The source code gets translated into optimized C/C++ code and compiled as Python extension modules. This allows for both very fast program execution and tight integration with external C libraries, while keeping up the high programmer productivity for which the Python language is well known.

簡單來說，cython就是一個內建了c資料類型的python，它是一個python的超集，相容幾乎所有的純python代碼，但是又可以使用c的資料類型。這樣就可以同時使用c庫，又不失python的優雅。

好了，不講太多廢話，直接來看cython如何使用吧。這裡的介紹大部分來自官網，由於cython涉及到的東西還比較多，所以這裡只是簡單的入門介紹，詳細的資訊請移步英文官網。

使用cython有兩種方式：第一個是編譯產生Python擴充檔案(有點類似於dll，即動態連結程式庫),可以直接import使用。第二個是使用jupyter notebook或sage notebook 內聯 cython代碼。

先看第一種。還是舉最經典的hello world的例子吧。建立一個hello.pyx檔案，定義一個hello函數如下：

def hello(name):    print("Hello %s." % name)

然後，我們來寫一個setup.py 檔案（寫python擴充幾乎都要寫setup.py檔案，我之前也簡單介紹過怎麼寫）如下：

 1 #!/usr/bin/env python 2 # -*- coding: utf-8 -*- 3 # @Time   : 2017/5/8 9:09 4 # @Author : Lyrichu 5 # @Email  : [email protected] 6 # @File   : setup.py 7 ‘‘‘ 8 @Description: setup.py for hello.pyx 9 ‘‘‘10 from Cython.Build import cythonize11 from distutils.core import setup12 13 # 編寫setup函數14 setup(15     name = "Hello",16     ext_modules = cythonize("hello.pyx")17 )

其中 ext_modules 裡面寫你要 編譯的.pyx檔案名稱字。OK，所有工作都完成了。接下來，進入cmd，切換到setup.py 所在的檔案，然後執行命令： python setup.py build_ext --inplace 就會編譯產生一個build 檔案夾以及一個.pyd檔案了，這個pyd檔案就是python的動態擴充庫，--inplace 的意思是在當前檔案目錄下產生.pyd檔案，不加這一句就會在build檔案夾中產生。如下：

圖 1

可以看出，除了產生了一個pyd檔案之外，還產生了一個.c檔案。test.py是我們用來測試的檔案，在裡面寫如下內容：

from hello import hellohello("lyric")

從hello 模組匯入 hello函數，然後直接調用就可以了。結果輸出 Hello lyric.

再來看如何 在 jupyter notebook中使用cython。如果你裝過ipython，一個升級版的python互動式環境，你應該聽過 ipyhton notebook的大名，現在它升級了，改名叫jupyter notebook 了。簡單來說，這個就是一個可以在網頁環境下互動式使用python的工具，不僅可以即時看到計算結果，還可以直接展示表格，圖片等，功能還是非常強大的。首先你得安裝jupyter notebook.我印象中安裝了ipython之後應該就會帶了jupyter了。如果沒有，可以直接 pip install jupyter .然後輸入命令 jupyter notebook 就會在瀏覽器中開啟jupyter了。如2 所示：

圖 2

點擊右上方的new按鈕，可以選擇建立一個文字檔或者檔案夾，markdown或者python檔案，這裡我們選擇建立一個pyhton 檔案，然後就會轉到一個新的視窗了，如3：

圖 3

In[]:和ipython一樣，就代表著我們要輸入代碼的地方，輸入代碼之後，點擊向右的三角形符號，就會執行代碼了。

首先輸入 %load_ext cython ，然後執行，%開頭的語句是jupyter的魔法命令，%是行命令，%%是單元命令，具體不多說，有空給大家專門介紹一下notebook的使用。

接下來輸入：

1 %%cython2 cdef int a = 03 for i in range(10):4     a += i5 print(a)

%%cython 表明將cython內嵌到jupyter，cdef 是cython的關鍵字，用於定義c類型，這裡將a定義為c中的int類型，並且初始化為0.

然後後面的迴圈就是累加0到9的意思，最後輸出45.

另外，我們如果想分析代碼 的執行情況，可以輸入 %%cython --annotate 命令，這樣就可以輸出結果的同時，也輸出 詳細的代碼執行情況報告了。4 所示：

圖 4

jupyter notebook 可以內嵌cython，不用我們手寫setup.py 檔案，省去了編譯的過程，方便了cython的使用，所以不是正式做項目，只是寫一寫小東西用jupyter+cython還是非常方便的。

前面提到了 cdef，再舉一個稍微複雜點的例子吧。還是引用官網的例子，寫一個算積分的函數.建立 integrate.pyx 檔案，寫入如下內容：

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time   : 2017/5/8 9:26# @Author : Lyrichu# @Email  : [email protected]# @File   : integrate.py‘‘‘@Description: 積分運算，使用 cython cdef 關鍵字‘‘‘def f(double x):    return x**2 - xdef integrate_f(double a,double b,int N):    cdef int i    cdef double s,dx    s = 0    dx = (b-a)/N    for i in range(N):        s += f(a + i*dx)*dx    return s # 返回定積分

這段代碼應該也是比較好理解的，f（）函數是被積函數，a，b是積分的上下限，N是分割小矩形的個數，注意這裡將 變數i,s,dx全部都用cdef 聲明為c類型了，一般來說，在需要密集計算的地方比如迴圈或者複雜運算，可以將對應的變數聲明為c類型，可以加快運行速度。

然後和上面一樣編寫 setup.py ，就是把 pyx的檔案名稱改一下，代碼我就不貼了。然後python setup.py build_ext --inplace 執行。得到pyd檔案，編寫測試檔案test.py如下：

 1 #!/usr/bin/env python 2 # -*- coding: utf-8 -*- 3 # @Time   : 2017/5/8 9:35 4 # @Author : Lyrichu 5 # @Email  : [email protected] 6 # @File   : test.py 7 ‘‘‘ 8 @Description: 測試使用cython 混合c與python的integrate 函數與純python寫的integrate函數速度上的差異 9 ‘‘‘10 from integrate import integrate_f11 import time12 13 a = 1 # 積分區間下界14 b = 2 # 積分區間上界15 N = 10000 # 劃分區間個數16 17 # 使用純python代碼寫的integrate函數18 def py_f(x):19     return x**2 - x20 21 def py_integrate_f(a,b,N):22     dx = (b-a)/N23     s = 024     for i in range(N):25         s += py_f(a + i*dx)*dx26     return s27 28 start_time1 = time.time()29 integrate_f_res = integrate_f(a,b,N)30 print("integrate_f_res = %s" % integrate_f_res)31 end_time1 = time.time()32 print(u"cython 版本計算耗時:%.8f" % (end_time1 - start_time1))33 34 start_time2 = time.time()35 py_integrate_f_res = py_integrate_f(a,b,N)36 print("py_integrate_f_res = %s" % py_integrate_f_res)37 end_time2 = time.time()38 print(u"python 版本計算耗時:%.8f" % (end_time2 - start_time2))

上面的代碼，我們重新使用python寫了一個積分函數py_integrate_f,與pyd中的integrate_f 函數進行運算對比，結果如下（圖5）：

圖5

可以看出，使用了cython的版本比純Python的版本大概快了4、5倍的樣子，而這僅僅是將幾個變數改為c類型的結果，可見，cython確實可以方便地對python與c進行混合，獲得速度上的提升，又不失去Python的簡潔優美。

最後再來說下cython 如何調用c libraries. C 語言 stdlib 庫有一個 atoi函數，可以將字串轉化為整數，math庫有一個sin函數，我們就以這兩個函數為例。建立 calling_c.pyx 檔案，檔案內容如下：

from libc.stdlib cimport atoifrom libc.math cimport sindef parse_char_to_int(char * s):    assert s is not NULL,"byte string value is NULL"    return atoi(s)def f_sin_squared(double x):    return sin(x*x)

前兩行匯入了C語言中的函數，然後我們自訂了兩個函數，parse_char_to_int 可以將字串轉換為整數，f_sin_squared 計算 x平方的sin函數值。寫 setup.py 檔案，和之前差不多，但是要注意的是，在unix系統下，math庫預設是不連結的，所以需要指明其位置，那麼在unix系統下，setup.py 檔案的內容就需要增加Extension 一項，如下：

from distutils.core import setupfrom distutils.extension import Extensionfrom Cython.Build import cythonizeext_modules=[    Extension("calling_c",              sources=["calling_c.pyx"],              libraries=["m"] # Unix-like specific    )]setup(  name = "Calling_c",  ext_modules = cythonize(ext_modules))

然後直接編即可。test.py檔案如下：

 1 #!/usr/bin/env python 2 # -*- coding: utf-8 -*- 3 # @Time   : 2017/5/8 12:21 4 # @Author : Lyrichu 5 # @Email  : [email protected] 6 # @File   : test.py 7 ‘‘‘ 8 @Description: test file 9 ‘‘‘10 from calling_c import f_sin_squared,parse_char_to_int11 str = "012"12 str_b = bytes(str,encoding=‘utf-8‘)13 n = parse_char_to_int(str_b)14 print("n = %d" %n)15 from math import pi,sqrt16 x = sqrt(pi/2)17 res = f_sin_squared(x)18 print("sin(pi/2)=%f" % res)

需要注意的是，Python字串不能直接傳入 parse_char_to_int 函數，需要將其轉換為 bytes 類型再傳入。運行結果為：

n = 12
sin(pi/2)=1.000000

如果不想通過libc匯入c語言模組，cython也允許我們自己聲明c函數原型來匯入，一個例子如下：

# 自己聲明c函數原型cdef extern from "math.h":    cpdef double cos(double x)def f_cos(double x):    return cos(x)

使用了 extern 關鍵字。

每次都編寫setup.py 檔案，然後編譯，略顯麻煩。cython還提供了一種更簡單的方法：pyximport。通過匯入pyximport(安裝cython時會自動安裝),在沒有引入額外的c庫的情況下，可以直接調用pyx中的函數，更為直接與方便。以前面的hello 模組為例，編寫好hello.py檔案之後，編寫一個pyximport_test.py 檔案，檔案內容如下：

import pyximportpyximport.install()import hellohello.hello("lyric")

直接運行就會發現，確實可以正確匯入hello模組。

cython的更多內容，請大家自行訪問官網查看。

其他python與c/c++ 混合編程的方式主要還有 使用 ctypes,cffi模組以及swig。本來想一起寫的，想想還是分開寫吧，不然太長了。後續會陸續更新，敬請關注。

Python 與 C/C++ 互動的幾種方式