我有许多 C 函数，我想从 python 调用它们。cython 似乎是要走的路，但我真的找不到一个例子来说明这是如何完成的。我的 C 函数如下所示：
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。所有双精度数组都有 N 个元素）。我的代码假定指针指向已分配的内存块。此外，生成的 C 代码应该链接到一些外部库。
这是一个将 numpy 数组传递给外部 C 函数的小而完整的示例，从逻辑上讲
fc( int N, double* a, double* b, double* z ) # z = a + b
使用赛通。（这对于熟悉它的人来说肯定是众所周知的。欢迎发表评论。最后更改：2011 年 2 月 23 日，用于 Cython 0.14。）
首先使用 NumPy 阅读或浏览 Cython 构建 和Cython。
2个步骤：
python f-setup.py build_ext --inplacef.pyx和fc.cpp-> f.so，一个动态库python test-f.pyimport f负载f.so；f.fpy( ... )调用 C fc( ... )。python f-setup.py用于distutils运行 cython、编译和链接：
cython f.pyx -> f.cpp
compile f.cppand fc.cpp
link f.o fc.o-> f.so，pythonimport 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、复杂的包，用于制作 Python 包以供分发并安装它们。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，但它可能会造成混淆; .pyx 中的简单错误可能会导致来自 g++ 编译和链接的模糊错误消息页面。另请参阅
distutils 文档
和/或
关于 distutils 的 SO 问题。）
Like make,setup.py将重新运行
cython f.pyx并且g++ -c ... f.cpp
iff.pyx比f.cpp.
要清理，rm -r build/.
另一种方法setup.py是在脚本或 Makefile: 中单独运行这些步骤
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。
为您的平台和安装修改cc-lib-mac下面的包装器：它不漂亮，但很小。
有关 Cython 包装 C 的真实示例，请查看几乎任何 SciKit中的 .pyx 文件。
另请参阅： 面向 NumPy 用户的 Cython 和SO questions/tagged/cython。
要解压以下文件，请将其剪切粘贴到一个大文件中，例如cython-numpy-c-demo.，然后在 Unix 中（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
以下来自 http://article.gmane.org/gmane.comp.python.cython.user/5625的 Cython 代码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])
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.data每个指针传递给您的 C 函数。那应该行得通。如果你不需要从零开始，你可以使用np.empty一个小的速度提升。
请参阅文档中的Cython for NumPy 用户教程（将其固定到正确的链接）。
你应该看看Ctypes如果你想要的只是一个函数，它可能是最容易使用的东西。