[英]Cython: Passing multiple numpy arrays in one argument with fused types
我已经重写了从C到Cython的算法,所以我可以利用融合类型,并使从python调用更容易。 该算法可以使多个数组与其他一些参数一起工作。 数组被接受为指针指针(例如)。 我想我会通过提供多个数组作为numpy数组的元组来从python调用cython代码,但要做到这一点会使融合类型变得混乱。 这是我现在如何工作的一个简单示例:
import numpy
cimport numpy
ctypedef fused test_dtype:
numpy.float32_t
numpy.float64_t
cdef int do_stuff(test_dtype **some_arrays):
if test_dtype is numpy.float32_t:
return 1
elif test_dtype is numpy.float64_t:
return 2
else:
return -1
def call_do_stuff(tuple some_arrays):
cdef unsigned int num_items = len(some_arrays)
cdef void **the_pointer = <void **>malloc(num_items * sizeof(void *))
if not the_pointer:
raise MemoryError("Could not allocate memory")
cdef unsigned int i
cdef numpy.ndarray[numpy.float32_t, ndim=2] tmp_arr32
cdef numpy.ndarray[numpy.float64_t, ndim=2] tmp_arr64
if some_arrays[0].dtype == numpy.float32:
for i in range(num_items):
tmp_arr32 = some_arrays[i]
the_pointer[i] = &tmp_arr32[0, 0]
return do_stuff(<numpy.float32_t **>the_pointer)
elif some_arrays[0].dtype == numpy.float64:
for i in range(num_items):
tmp_arr64 = some_arrays[i]
the_pointer[i] = &tmp_arr64[0, 0]
return do_stuff(<numpy.float64_t **>cols_pointer)
else:
raise ValueError("Array data type is unknown")
我意识到我可以在元组中指定类型,但如果我理解正确的话,没有比“对象”更复杂的东西。 有谁知道我正在做的事情更清洁的方式? 任何其他cython技巧表示赞赏。
传递了其他参数,包括与数组相同类型的fill_value
参数。 如果test_dtype
可以在调用时通过数组或fill参数确定,代码会变test_dtype
简单,但我找不到一个好的方法来保证C将以正确的类型接收值。 例如,传递numpy.nan
或numpy.float64(numpy.nan)
并不保证数据类型。
在Python和NumPy编程10年之后(以及C,C ++,Matlab和Fortran之前10年),这是我的总体印象:
使用C语言编写C,C ++或Fortran中的数字代码通常比使用Cython更容易。 我能想到的唯一例外是最小的代码snipplet。 在C ++中,您可以使用模板和STL(如果您愿意,还可以使用Boost)。
学习使用NumPy C API。 PyArrayObject(在C中调用NumPy数组)具有可用于调度的类型编号。 您可以使用PyArrayObject *上的宏PyArray_TYPE()获取它。 numpy.float64映射到类型号NPY_FLOAT64,numpy.float32映射到类型号NPY_FLOAT32等。然后你有相应的C和C ++ typedef,你可以在你的C或C ++代码中使用:如果PyArray_TYPE(x)== NPY_FLOAT64,数据要在C或C ++中使用的类型是npy_float64。 这样您就可以编写C或C ++代码,这些代码完全由您传入的NumPy数组定义。
我通常在PyArray_TYPE(x)上使用switch语句,在NPY_FLOAT64,NPY_FLOAT32等上使用case。对于每种情况,我都使用正确的模板类型调用模板化C ++函数。 这样可以将我需要写入的代码量保持在最低限度。
http://docs.scipy.org/doc/numpy/reference/c-api.html
Cython适用于包装C和C ++并避免繁琐的Python C API编码,但这是对静态类型参数的限制。 对于“从头到尾”的数字代码,我认为使用普通的C ++会更好,但Cython是一个很好的工具,可以将它暴露给Python。 所以用C ++编写你的数字内容并使用Cython来调用你的C ++。 这将是我能给出的最佳建议.Cython是编写Python扩展的优秀工具,但当C ++是您真正想要的时候,它不能替代C ++。
至于你的问题:你想做的事情真的不可能。 因为在C或C ++中,这是Cython发出的,numpy.ndarray是PyArrayObject *,无论dtype如何。 所以你需要手动编写switch语句。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.