4

我正在重新评估将外部 C 库包装到 Python 中的不同方法。我很久以前就选择使用简单的 Python C API，它快速、简单、独立，而且，正如我所想的那样，它是面向未来的。然后我偶然发现了PyPy，它显然不打算支持 CPython API，但将来可能会成为一个有趣的替代方案......因此我正在寻找更高级别的入口点。ctypes速度很慢，所以现在我又回到了cython，这似乎在努力支持 PyPy。

我的库有许多具有相同签名的函数，因此我广泛使用 C 预处理器宏来生成 Python 模块。我认为这在 cython 中会变得更舒服，因为我可以访问整个 Python 语言。但是，我在为我的函数包装器编写工厂时遇到了麻烦：

import cython
from numpy cimport ndarray, double_t

cimport my_c_library

cdef my_c_library.data D

ctypedef double_t DTYPE_t

cdef parse_args(ndarray[DTYPE_t] P, ndarray[DTYPE_t] x, ndarray[DTYPE_t] y):
    D.n = P.size
    D.m = x.size
    D.P = <double*> P.data
    D.x = <double*> x.data
    D.y = <double*> y.data

def _fun_factory(name):
    cpdef fun(ndarray[DTYPE_t] P, ndarray[DTYPE_t] x, ndarray[DTYPE_t] y):
        parse_args(P, x, y)
        getattr(my_c_library, name)(&D)
        return y
    return fun

fun1 = _fun_factory('fun1')
fun2 = _fun_factory('fun2')
# ... many more function definitions ...

cython 编译器抱怨：“这里不允许 C 函数定义”，指的是cpdef内部_fun_factory。这里有什么问题？我认为pyx文件就像普通的 python 文件一样。除了从单独的 python 脚本动态生成文件之外，有没有办法让它工作pyx，例如setup.py？

我也很惊讶 cython 不允许我这样做：

ctypedef ndarray[double_t, ndim=1] p_t

清理代码。为什么这不起作用？

我知道那里有自动C -> cython翻译器，但我不愿意让自己依赖这样的第 3 方工具。但是，如果您认为它已准备好用于生产，请随时提出建议。

4

2 回答 2

3

pyx文件与 Python 文件不同，因为您可以匹配 C 和 Python 函数，并且对您可以使用 C (cdef或cpdef) 函数执行的操作有一些限制。一方面，您不能在运行时动态生成 C 代码，而这正是您的代码试图做的。由于fun实际上只是在对参数进行类型检查后执行一些 Python 代码，因此您不妨将其设为常规 Python 函数：

def fun(P, x, y):
    parse_args(P, x, y)
    getattr(my_c_library, name)(&D)
    return y

parse_args将进行相同的参数检查，因此您不会丢失任何内容。（不过，我不确定是否getattr适用于'd'的 C 库cimport。你可能也想要import它。）

至于ctypedef，这可能是 Cython 中的一些限制/错误，还没有人能够修复。

于 2013-03-05T16:16:34.150 回答
0

在玩了更多之后，以下似乎有效：

def _fun_factory(fun_wrap):
    def fun(P, x, y):
        parse_args(P, x, y)
        fun_wrap()
        return y
    return fun

def _fun1(): my_c_library.fun1(&D)
def _fun2(): my_c_library.fun2(&D)
# ... many more ...

fun1 = _fun_factory(_fun1)
fun2 = _fun_factory(_fun2)
# ... many more...

所以似乎不可能对像这样的表达式使用任何 Python 操作my_c_library.fun1(&D)，显然需要按原样输入。只有在已经生成了第一组 Python 包装器时，才能在第二次传递中使用该工厂。这并不比显而易见的更优雅：

cpdef fun1(ndarray[DTYPE_t] P, ndarray[DTYPE_t] x, ndarray[DTYPE_t] y):
    parse_args(P, x, y)
    my_c_function.fun1(&D)
    return y

# ... many more ...

在这里，cpdef可以毫无问题地使用。所以我要采用复制粘贴方法......将来还有人对 Cython 的预处理器宏感兴趣吗？

于 2013-03-05T18:12:11.837 回答