最近开始用python进行一些数据分析... 想跟各位分享一下 使用Scipy + Numpy 将 C语言整合至python的心得: python在某些情况下的速度实在是让人无法忍受 (ex. 对大型List做两三层回圈以上的数学运算) 为了增强python在这方面的功能 有两个好用的module: SciPy & Numpy numpy 基本上是使用自订的 "array" 相较於python list, numpy array里的元素资料型态是一致的 所以在记忆体的使用上有较高效率 而且内建的 "universal function" (ufunc)功能 可以一次对整个numpy array做简单的数学函数运算 可惜如果运算稍微复杂一点时, numpy 提供的 frompython (将自订函数转成universal function) 相较於使用python本身去写并没有快多少 速度上还是不如C语言 这个时候Scipy就可以出场了... Scipy本身的功能也相当强大,比如说scipy.matplotlib用来绘图就蛮方便的 其中的scipy.weave更提供了直接在python 里面使用C语言(and C++)的功能: 举例来说, hello world: from scipy import weave code="""printf("Hello World! \\n");""" weave.inline(code) 当然, 这看起来像脱裤子放屁 XD 不过如果有一个或好几个很长的numpy array, 就可以用weave.blitz 结合weave.inline 直接传到在python里面写的C code里 举例: import numpy as np from scipy import weave a=np.arange(0,1000,dtype=float).reshape(500,2) #产生((0,1),(2,3),(4,5)...(998,999))的500*2矩阵,并指定资料型态为float code=""" float k=0.0; for(int i=0;i<500;i++) { k+=a(i,0)+a(i,1); //直接在code里面使用刚刚产生的矩阵 } return Py_BuildValue("d", k); //传回一个float给python """ print weave.inline(code, ['a'], type_converters=weave.converters.blitz, compiler='gcc') 就会出现从0 加到 999的值罗 如果要传回python list, 可以在C code里宣告 ex. PyObject *m = PyList_New(0); 对这个list 可以像在python 里面一样操作, 如: PyList_Append(m, PyFloat_FromDouble(k)); 因为是在C语言里面,所以资料型态要指定好 关於如何增加python的效率, 有兴趣的人可以看看这边 http://www.scipy.org/PerformancePython 个人是觉得简单但是大量的运算 用weave.inline 搭配 numpy, weave.blitz是相当方便的组合 cython or SWIG速度比inline快上一点, 但是使用上稍微复杂一些(对我来说 XD) 如果是使用windows的话 python(x,y)装了就可以直接用scipy.weave & numpy了 用linux的话就是手动装scipy & numpy, 要使用weave的话得多装python-dev 还有要更改这个 /usr/lib/python2.6/dist-packages/scipy/weave/blitz/blitz/blitz.h 在#include <stdio.h> 之前添加： #include <cstdlib> 以上抛砖引玉 希望有更多高手可以分享使用python 做科学研究的心得 ~OTZ --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 129.170.26.186 ※ 编辑: painkiller 来自: 129.170.26.186 (04/09 08:20) ※ 编辑: painkiller 来自: 129.170.26.186 (04/09 08:21)