快速教程：使用Cython来扩展Python/NumPy库

北京 | 深度学习与人工智能研修12月23-24日

再设经典课程 重温深度学习阅读全文>

正文共2583个字，7张图，预计阅读时间：7分钟。

前言

整个快速教程直接上例子，具体对Cython的使用可以看参考文章。以下工作均在Windows 10 + Python 2.7 + NumPy 1.11.0 + Cython 0.24 版本上进行。

正文

准备工作
 
假设现在我们用C实现了一个可以用在数组上的cos函数，函数原型如下：
 
// 对in_array中的前size个数求cos值，并存放在out_array对应位置上
void cos_doubles(double * in_array, double * out_array, int size);
 
那么总共需要4个文件：
 
cos_doubles.c，C源文件。

cos_doubles.h，C头文件。

_cos_doubles.pyx，Python的C扩展文件。（注意：之所以前面加个"_"下划线，是因为使用Cython编译打包后会对pyx文件生成同名的c文件，为了避免覆盖掉原来的cos_doubles.c文件，此处加个下划线）
setup.py，负责管理编译、打包工作的“配置”脚本。

下面给出4个文件的源代码：

cos_doubles.c

#include "cos_doubles.h"
#include <math.h>
 
/*  Compute the cosine of each element in in_array, storing the result in
 *  out_array. */
void cos_doubles(double * in_array, double * out_array, int size){
    int i;
    for(i=0;i<size;i++){
        out_array[i] = cos(in_array[i]);
    }
}

cos_doubles.h#ifndef _COS_DOUBLES_H

#define _COS_DOUBLES_H
void cos_doubles(double * in_array, double * out_array, int size);
#endif

cos_doubles.pyx

""" Example of wrapping a C function that takes C double arrays as input using

    the Numpy declarations from Cython """
 
# import both numpy and the Cython declarations for numpy
import numpy as np
cimport numpy as np
 
# if you want to use the Numpy-C-API from Cython
# (not strictly necessary for this example)
np.import_array()
 
# cdefine the signature of our c function
cdef extern from "cos_doubles.h":
    void cos_doubles (double * in_array, double * out_array, int size)
 
# create the wrapper code, with numpy type annotations
def cos_doubles_func(np.ndarray[double, ndim=1, mode="c"] in_array not None,
                     np.ndarray[double, ndim=1, mode="c"] out_array not None):
    cos_doubles(<double*> np.PyArray_DATA(in_array),
                <double*> np.PyArray_DATA(out_array),
                in_array.shape[0])

setup.py

from distutils.core import setup, Extensionimport numpyfrom Cython.Distutils import build_ext
 
setup(
    cmdclass={'build_ext': build_ext},
    ext_modules=[Extension("cos_doubles",
                 sources=["_cos_doubles.pyx", "cos_doubles.c"],
                 include_dirs=[numpy.get_include()])],
)

编译打包

在命令行窗口中进入到上述文件所在同级目录，输入:

>> python setup.py build_ext -i

参数-i表示inplace，即在同级目录下生成Python可调用模块pyd文件。
 
build过程如下：


build过程
 
然后可以看见在同级目录下多了两个文件：

_cos_doubles.c，使用Python C-API自动包装生成的C文件。
cos_doubles.pyx，Python可直接调用的module文件，也就是最终我们所需要的东西。

接下来测试一下：

# file: test.py
import cos_doubles
import numpy as np
import matplotlib.pyplot as plt
 
a = np.linspace(-5, 5, 100)
b = np.empty_like(a)
cos_doubles.cos_doubles_func(a, b)
 
plt.plot(b)
plt.show
()

运行效果如下图所示：
 



运行效果

参考资料

[1] SciPy lecture notes: 2.8. Interfacing with C

[2] Working with NumPy

[3] Python中使用C代码：以NumPy为例 

[4] Cython学习
 
原文链接：http://www.jianshu.com/p/1918e580581d

查阅更为简洁方便的分类文章以及最新的课程、产品信息，请移步至全新呈现的“LeadAI学院官网”：www.leadai.org
请关注人工智能LeadAI公众号，查看更多专业文章

大家都在看

LSTM模型在问答系统中的应用基于TensorFlow的神经网络解决用户流失概览问题最全常见算法工程师面试题目整理（一）最全常见算法工程师面试题目整理（二）TensorFlow从1到2 | 第三章 深度学习革命的开端：卷积神经网络
装饰器 | Python高级编程
今天不如来复习下Python基础




点击“阅读原文”直接打开报名链接