>>> from helper import info; info()
待更新

用Weave嵌入C语言¶

Python作为动态语言其功能虽然强大,但是在数值计算方面有一个最大的缺点:速度不够快。在 Python级别的循环和计算的速度只有C语言程序的百分之一。因此才有了NumPy, SciPy这样的函数库,将高度优化的C、Fortran的函数库进行包装,以供Python程序调用。如果这些高度优化的函数库无法实现我们的算法,必须从头开始写循环、计算的话,那么用Python来做显然是不合适的。因此 SciPy提供了快速调用C++语言程序的方法– Weave。下面是对NumPy的数组求和的例子:

>>> # -*- coding: utf-8 -*-
>>> import scipy.weave as weave
>>> import numpy as np
>>> import time
>>>
>>> def my_sum(a):
>>>     n=int(len(a))
>>>     code="""
>>>     int i;
>>>
>>>     double counter;
>>>     counter =0;
>>>     for(i=0;i<n;i++){
>>>     counter=counter+a(i);
>>>     }
>>>     return_val=counter;     """
>>>     err=weave.inline(code,['a','n'],type_converters=weave.converters.blitz,compiler="gcc")
>>>     return err
>>>
>>> a = np.arange(0, 10000000, 1.0)
>>> # 先调用一次my_sum，weave会自动对C语言进行编译，此后直接运行编译之后的代码
>>> my_sum(a)
>>>
>>> start = time.clock()
>>> for i in xrange(100):
>>>     my_sum(a) # 直接运行编译之后的代码
>>> print("my_sum:", (time.clock() - start) / 100.0)
>>>
>>> start = time.clock()
---------------------------------------------------------------------------

ImportError                               Traceback (most recent call last)

<ipython-input-32-ec81cf307345> in <module>()
      1
----> 2 import scipy.weave as weave
      3 import numpy as np
      4 import time
      5


ImportError: No module named 'scipy.weave'

此例子在我的电脑上的运行结果为:

my_sum: 0.0294527349146
np.sum: 0.0527649547638
sum: 9.11022322669

可以看到用Weave编译的C语言程序比numpy自带的sum函数还要快。而Python的内部函数sum使用数组的迭代器接口进行运算,因此速度是Python语言级别的,只有Weave版本的1/300。 weave.inline函数的第一个参数为需要执行的C++语言代码,第二个参数是一个列表,它告诉weave 要把Python中的两个变量a和n传递给C++程序,注意我们用字符串表示变量名。converters.blitz是一个类型转换器,将numpy的数组类型转换为C++的blitz类。C++程序中的变量a不是一个数组,而是blitz类的实例,因此它使用a(i)获得其各个元素的值,而不是用a[i]。最后我们通过compiler参数告诉weave要采用gcc为C++编译器。如果你安装的是python(x,y)的话,gcc(mingw32)也一起安装好了,否则你可能需要手工安装gcc编译器或者微软的Visual C++。 Note: 在我的电脑上,虽然安装了Visual C++ 2008 Express,但仍然提示找不到合适的Visual C+ +编译器。似乎必须使用编译Python的编译器版本。因此还是用gcc来的方便。本书的进阶部分还会对weave进行详细介绍。这段程序先给了我们一个定心丸:你再也不必担心 Python的计算速度不够快了。

目录

用Weave嵌入C语言¶