Python和C/C++交互的几种方法总结

前言

python作为一门脚本语言，其好处是语法简单，很多东西都已经封装好了，直接拿过来用就行，所以实现同样一个功能，用Python写要比用C/C++代码量会少得多。但是优点也必然也伴随着缺点（这是肯定的，不然还要其他语言干嘛），python最被人诟病的一个地方可能就是其运行速度了。这这是大部分脚本语言共同面对的问题，因为没有编译过程，直接逐行执行，所以要慢了一大截。所以在一些对速度要求很高的场合，一般都是使用C/C++这种编译型语言来写。但是很多时候，我们既想使用python的简介优美，又不想损失太多的性能，这个时候有没有办法将python与C/C++结合到一起呢？这样在性能与速度要求不高的地方，可以用pyhton写，而关键的运算部分用C/C++写，这样就太好了。python在做科学计算或者数据分析时，这是一个非常普遍的需求。要想实现这个功能，python为我们提供了不止一种解决办法。

下面我就逐一给大家介绍。

一、Cython 混合python与C

官方网址：http://docs.cython.org/en/latest/src/quickstart/overview.html。首先来看看cython的官方介绍吧。

[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.

简单来说，cython就是一个内置了c数据类型的python，它是一个python的超集，兼容几乎所有的纯python代码，但是又可以使用c的数据类型。这样就可以同时使用c库，又不失python的优雅。

好了，不讲太多废话，直接来看cython如何使用吧。这里的介绍大部分来自官网，由于cython涉及到的东西还比较多，所以这里只是简单的入门介绍，详细的信息请移步英文官网。

使用cython有两种方式：第一个是编译生成Python扩展文件(有点类似于dll，即动态链接库),可以直接import使用。第二个是使用jupyter notebook或sage notebook 内联 cython代码。

先看第一种。还是举最经典的hello world的例子吧。新建一个hello.pyx文件，定义一个hello函数如下：

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

然后，我们来写一个setup.py 文件（写python扩展几乎都要写setup.py文件，我之前也简单介绍过怎么写）如下：

    #!/usr/bin/env python
    # -*- coding: utf-8 -*-
    # @Time : 2017/5/8 9:09
    # @Author : Lyrichu
    # @Email : 919987476@qq.com
    # @File : setup.py
    '''
    @Description: setup.py for hello.pyx
    '''
    from Cython.Build import cythonize
    from distutils.core import setup

    # 编写setup函数
    setup(
     name = "Hello",
     ext_modules = cythonize("hello.pyx")
    )

其中 ext_modules 里面写你要 编译的.pyx文件名字。OK，所有工作都完成了。接下来，进入cmd，切换到setup.py 所在的文件，然后执行命令： python setup.py build_ext --inplace就会编译生成一个build 文件夹以及一个.pyd文件了，这个pyd文件就是python的动态扩展库，--inplace 的意思是在当前文件目录下生成.pyd文件，不加这一句就会在build文件夹中生成。

截图如下：

图 1

可以看出，除了生成了一个pyd文件之外，还生成了一个.c文件。test.py是我们用来测试的文件，在里面写如下内容：

    from hello import hello
    hello("lyric")

从hello 模块导入 hello函数，然后直接调用就可以了。结果输出 Hello lyric.

再来看如何 在 jupyter notebook中使用cython。如果你装过ipython，一个升级版的python交互式环境，你应该听过 ipyhton notebook的大名，现在它升级了，改名叫jupyter notebook 了。简单来说，这个就是一个可以在网页环境下交互式使用python的工具，不仅可以实时看到计算结果，还可以直接展示表格，图片等，功能还是非常强大的。首先你得安装jupyter notebook.我印象中安装了ipython之后应该就会带了jupyter了。如果没有，可以直接 pip install jupyter .然后输入命令 jupyter notebook就会在浏览器中打开jupyter了。

如下图2 所示：

图 2

点击右上角的new按钮，可以选择新建一个文本文件或者文件夹，markdown或者python文件，这里我们选择新建一个pyhton 文件，然后就会转到一个新的窗口了，如下图3：

图 3

In[]:和ipython一样，就代表着我们要输入代码的地方，输入代码之后，点击向右的三角形符号，就会执行代码了。

首先输入 %load_ext cython，然后执行，%开头的语句是jupyter的魔法命令，%是行命令，%%是单元命令，具体不多说，有空给大家专门介绍一下notebook的使用。

接下来输入：

     %%cython
     cdef int a = 0
     for i in range(10):
      a += i
     print(a)

%%cython 表明将cython内嵌到jupyter，cdef 是cython的关键字，用于定义c类型，这里将a定义为c中的int类型，并且初始化为0.

然后后面的循环就是累加0到9的意思，最后输出45.

另外，我们如果想分析代码 的执行情况，可以输入 %%cython --annotate命令，这样就可以输出结果的同时，也输出 详细的代码执行情况报告了。

截图如图4 所示：

图 4

jupyter notebook 可以内嵌cython，不用我们手写setup.py 文件，省去了编译的过程，方便了cython的使用，所以不是正式做项目，只是写一写小东西用jupyter+cython还是非常方便的。

前面提到了 cdef，再举一个稍微复杂点的例子吧。还是引用官网的例子，写一个算积分的函数.新建 integrate.pyx 文件，写入如下内容：

    #!/usr/bin/env python
    # -*- coding: utf-8 -*-
    # @Time : 2017/5/8 9:26
    # @Author : Lyrichu
    # @Email : 919987476@qq.com
    # @File : integrate.py
    '''
    @Description: 积分运算，使用 cython cdef 关键字
    '''
    def f(double x):
     return x**2 - x

    def 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 # 返回定积分

这段代码应该也是比较好理解的，f（）函数是被积函数，a，b是积分的上下限，N是分割小矩形的个数，注意这里将 变量i,s,dx全部都用cdef 声明为c类型了，一般来说，在需要密集计算的地方比如循环或者复杂运算，可以将对应的变量声明为c类型，可以加快运行速度。

然后和上面一样编写 setup.py ，就是把 pyx的文件名改一下，代码我就不贴了。然后python setup.py build_ext --inplace执行。得到pyd文件，编写测试文件test.py如下：

    #!/usr/bin/env python
    # -*- coding: utf-8 -*-
    # @Time : 2017/5/8 9:35
    # @Author : Lyrichu
    # @Email : 919987476@qq.com
    # @File : test.py
    '''
    @Description: 测试使用cython 混合c与python的integrate 函数与纯python写的integrate函数速度上的差异
    '''
    from integrate import integrate_f
    import time

    a = 1 # 积分区间下界
    b = 2 # 积分区间上界
    N = 10000 # 划分区间个数

    # 使用纯python代码写的integrate函数
    def py_f(x):
     return x**2 - x

    def py_integrate_f(a,b,N):
     dx = (b-a)/N
     s = 0
     for i in range(N):
      s += py_f(a + i*dx)*dx
     return s

    start_time1 = time.time()
    integrate_f_res = integrate_f(a,b,N)
    print("integrate_f_res = %s" % integrate_f_res)
    end_time1 = time.time()
    print(u"cython 版本计算耗时:%.8f" % (end_time1 - start_time1))

    start_time2 = time.time()
    py_integrate_f_res = py_integrate_f(a,b,N)
    print("py_integrate_f_res = %s" % py_integrate_f_res)
    end_time2 = time.time()
    print(u"python 版本计算耗时:%.8f" % (end_time2 - start_time2))

上面的代码，我们重新使用python写了一个积分函数py_integrate_f,与pyd中的integrate_f 函数进行运算对比，结果如下（图5）：

图5

可以看出，使用了cython的版本比纯Python的版本大概快了4、5倍的样子，而这仅仅是将几个变量改为c类型的结果，可见，cython确实可以方便地对python与c进行混合，获得速度上的提升，又不失去Python的简洁优美。

最后再来说下cython 如何调用c libraries. C 语言 stdlib 库有一个 atoi函数，可以将字符串转化为整数，math库有一个sin函数，我们就以这两个函数为例。新建 calling_c.pyx 文件，文件内容如下：

    from libc.stdlib cimport atoi
    from libc.math cimport sin

    def 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)

前两行导入了C语言中的函数，然后我们自定义了两个函数，parse_char_to_int 可以将字符串转换为整数，f_sin_squared 计算 x平方的sin函数值。写 setup.py 文件，和之前差不多，但是要注意的是，在unix系统下，math库默认是不链接的，所以需要指明其位置，那么在unix系统下，setup.py 文件的内容就需要增加Extension 一项，如下：

    from distutils.core import setup
    from distutils.extension import Extension
    from Cython.Build import cythonize

    ext_modules=[
     Extension("calling_c",
        sources=["calling_c.pyx"],
        libraries=["m"] # Unix-like specific
     )
    ]

    setup(
     name = "Calling_c",
     ext_modules = cythonize(ext_modules)
    )

然后直接编即可。test.py文件如下：

    #!/usr/bin/env python
    # -*- coding: utf-8 -*-
    # @Time : 2017/5/8 12:21
    # @Author : Lyrichu
    # @Email : 919987476@qq.com
    # @File : test.py
    '''
    @Description: test file
    '''
    from calling_c import f_sin_squared,parse_char_to_int
    str = "012"
    str_b = bytes(str,encoding='utf-8')
    n = parse_char_to_int(str_b)
    print("n = %d" %n)
    from math import pi,sqrt
    x = sqrt(pi/2)
    res = f_sin_squared(x)
    print("sin(pi/2)=%f" % res)

需要注意的是，Python字符串不能直接传入 parse_char_to_int函数，需要将其转换为 bytes 类型再传入。运行结果为：

    n = 12
    sin(pi/2)=1.000000

如果不想通过libc导入c语言模块，cython也允许我们自己声明c函数原型来导入，一个例子如下：

    # 自己声明c函数原型
    cdef extern from "math.h":
     cpdef double cos(double x)

    def f_cos(double x):
     return cos(x)

使用了 extern 关键字。

每次都编写setup.py 文件，然后编译，略显麻烦。cython还提供了一种更简单的方法：pyximport。通过导入pyximport(安装cython时会自动安装),在没有引入额外的c库的情况下，可以直接调用pyx中的函数，更为直接与方便。以前面的hello 模块为例，编写好hello.py文件之后，编写一个pyximport_test.py 文件，文件内容如下：

    import pyximport
    pyximport.install()
    import hello
    hello.hello("lyric")

直接运行就会发现，确实可以正确导入hello模块。

cython的更多内容，请大家自行访问官网查看。

其他python与c/c++ 混合编程的方式主要还有 使用 ctypes,cffi模块以及swig。本来想一起写的，想想还是分开写吧，不然太长了。后续会陆续更新，敬请关注。

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流，谢谢大家对脚本之家的支持。