[Python][不是说CPython]Cython语法与Pyton语法对比及相互转换和Python引入C函数完整示例

2024-09-06 08:28
文章标签 python 函数 不是 语法 转换 示例 引入 对比 相互 完整 cpython cython pyton

本文主要是介绍[Python][不是说CPython]Cython语法与Pyton语法对比及相互转换和Python引入C函数完整示例，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Cython语法与Pyton语法对比及相互转换和Python引入C函数完整示例

注意，这里说的Cython不是CPython啊，两码事。
Cython的语法在这里。
Cython 是 Python 的超集，旨在提高 Python 代码的执行速度。它允许你在 Python 代码中混合使用 C 语言的功能和类型，使得代码在一些场景下能够显著加速。以下是 Cython 语法和 Python 语法的对比及相互转换的一些要点：

1，C类型声明

  • Python: 变量不需要显式声明类型。
  • Cython: 可以使用 C 语言的类型声明来提高性能。

示例：
Python:

def add(x, y):return x + y

Cython:

cdef int x, y  # C 类型的变量声明
def add(int x, int y):return x + y

2. cdef 和 cpdef 函数

  • Python: 所有函数定义使用 def 关键字。
  • Cython:
    • cdef: 用于定义 C 函数，仅能在 Cython 代码中使用，不能被 Python 直接调用。
    • cpdef: 混合型函数，既可以被 C 调用，也可以被 Python 调用。

示例：
Python:

def my_function():return 42

Cython:

cdef int my_c_function():return 42cpdef int my_cp_function():return 42

3. 类型转换

Python: 类型转换通常通过函数，比如 int()、float() 等。
Cython: 可以显式进行 C 类型转换。
示例：
Python:

x = int(5.2)

Cython:

cdef float y = 5.2
cdef int x = <int>y

4. 数组与内存视图

Python: 使用 list 或 numpy 进行数组操作。
Cython: 支持 C 数组（cdef 声明）和内存视图（memoryview），它们比 Python 的 list 更高效。
示例：
Python:

import numpy as np
arr = np.array([1, 2, 3], dtype=np.float64)

Cython:

cimport numpy as np
cdef np.ndarray[np.float64_t, ndim=1] arr = np.array([1, 2, 3], dtype=np.float64)

5. for 循环优化

Python: 使用 range() 生成器，运行速度较慢。
Cython: 可以将 range() 转换为 cdef 中的 C 样式 for 循环。
示例：
Python:

for i in range(1000000):pass

Cython:

cdef int i
for i in range(1000000):pass

6. 全局变量

Python: 可以使用全局变量，但没有特别优化。
Cython: 使用 cdef 来声明全局变量并优化访问。
示例：
Python:

my_global = 0def set_global(x):global my_globalmy_global = x

Cython:

cdef int my_global = 0  # 声明 C 类型的全局变量def set_global(int x):global my_globalmy_global = x

7. 异常处理

Python: 使用 try-except 块捕获异常。
Cython: Cython 代码可以通过返回值标志错误，还可以用 except 处理 C 函数的异常情况。
示例：
Python:

try:result = 10 / 0
except ZeroDivisionError:result = None

Cython:

cdef int divide(int a, int b):if b == 0:return -1  # 标志错误return a // bcpdef int safe_divide(int a, int b):try:return divide(a, b)except ZeroDivisionError:return -1

8. 函数返回类型

Python: 函数返回类型不需要显式声明。
Cython: 可以显式声明函数的返回类型，减少类型推导的开销。
示例：
Python:

def square(x):return x * x

Cython:

cdef int square(int x):return x * x

9. 内联函数

Python: 不支持函数内联。
Cython: 可以通过 cdef inline 来定义内联函数，减少函数调用的开销。
示例：
Cython:

cdef inline int add(int a, int b):return a + b

10. 扩展类型（cdef 类）

Python: 类定义没有性能优化。
Cython: cdef 类比 Python 类更轻量且性能更高，可以直接和 C 数据结构交互。
示例：
Python:

class MyClass:def __init__(self, x):self.x = x

Cython:

cdef class MyClass:cdef int x  # C 语言风格的成员变量def __init__(self, int x):self.x = x

11. GIL（全局解释器锁）

Python: 运行 Python 代码时，始终会持有 GIL。
Cython: 可以使用 with nogil 释放 GIL，在不需要 Python 解释器的部分提高并发性能。
假如要把Cython的with nogil改写为Python时，直接删掉，并且其下面的代码排版缩进。
示例：
Cython:

from cython.parallel import prangecdef void parallel_sum(int[:] arr, int n):cdef int i, result = 0with nogil:  # 释放GILfor i in prange(n, nogil=True):result += arr[i]

12. 引入 C 函数

Python: 无法直接使用 C 函数。
Cython: 可以通过 cimport 导入 C 函数。
示例：
Cython:

cdef extern from "math.h":double sqrt(double x)cdef double my_sqrt(double x):return sqrt(x)


13. 实际遇过的例子：Cython改为Python

例子1:

Cython:

	cdef:np.intp_t[::1] x1, x2, x3np.intp_t m, i, j, k

Python:

	x1 = np.array([], dtype=np.intp)x2 = np.array([], dtype=np.intp)x3 = np.array([], dtype=np.intp)m = np.intp(0)  #实际上可以不写这句，因为Python用到的时候自然会定义这个变量, 下面的类似。i = np.intp(0) j = np.intp(0)k = np.intp(0)

例子2:

Cython:

	x1.base.resize(m, refcheck=False)x2.base.resize(m, refcheck=False)x3.base.resize(m, refcheck=False)

Python:

	x1 = x1[:m]x2 = x2[:m]x3 = x3[:m]

例子3：

Cython:

return a.base, b.base, c.base, d.base

Python:

return a,b,c,d


14. 完整的引入和使用 C 函数的示例

假设我们要从 C 的标准数学库（math.h）中引入 sqrt 函数并在 Cython 中使用。

1. Cython 引入 C 函数（cimport 的用法）

  • 使用 cimport 导入 C 函数。
  • cdef extern from “header” 用于引入外部 C 函数。
# 引入 C 标头文件中的 sqrt 函数
cimport cython
cdef extern from "math.h":double sqrt(double x)  # 引入 sqrt 函数
使用引入的 sqrt 函数

cdef double my_sqrt(double x):
return sqrt(x)

2. Cython 代码的完整例子

编写一个使用 C 的 sqrt 函数的 Python 接口函数。

# 引入 math.h 的 sqrt 函数
cimport cython
cdef extern from "math.h":double sqrt(double x)  # 引入 C 标头文件中的 sqrt 函数

# 定义一个使用 sqrt 的 Cython 函数
cpdef double calculate_sqrt(double x):"""计算平方根"""return sqrt(x)

# 测试函数
def test_sqrt():x = 16.0result = calculate_sqrt(x)print(f"sqrt({x}) = {result}")

3. 编译 Cython 代码

要将 Cython 代码编译为可执行的 Python 模块，可以创建一个 setup.py 文件。

# setup.py
from setuptools import setup
from Cython.Build import cythonizesetup(ext_modules=cythonize("example.pyx"),  # 将 Cython 文件编译为扩展模块
)

然后在终端运行以下命令编译 Cython 文件：

python setup.py build_ext --inplace

编译成功后，你可以像普通 Python 模块一样导入和使用该 Cython 模块：

import exampleexample.test_sqrt()  # 调用测试函数

这样，cimport 就用来引入 C 函数 sqrt 并且使用它来进行平方根计算。

强调一下：

  • cimport 是 Cython 用来导入 C 函数和结构的关键字。
  • cdef extern from “header” 是引入 C 标头文件的语法。

这篇关于[Python][不是说CPython]Cython语法与Pyton语法对比及相互转换和Python引入C函数完整示例的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1141503。

相关文章

大模型研发全揭秘：客服工单数据标注的完整攻略

大模型研发全揭秘：客服工单数据标注的完整攻略

在人工智能（AI）领域，数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者，掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中，工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注，不仅能够帮助提升客服自动化系统的智能化水平，还能优化客户服务流程，提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行
阅读更多...
python: 多模块(.py)中全局变量的导入

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别： 当你在一个模块（文件）中使用 global 声明变量时，这个变量只在该模块的全局命名空
阅读更多...
hdu1171（母函数或多重背包）

hdu1171（母函数或多重背包）

题意：把物品分成两份，使得价值最接近 可以用背包，或者是母函数来解，母函数（1 + x^v+x^2v+.....+x^num*v）（1 + x^v+x^2v+.....+x^num*v）（1 + x^v+x^2v+.....+x^num*v） 其中指数为价值，每一项的数目为（该物品数+1）个 代码如下： #include<iostream>#include<algorithm>
阅读更多...
【Python编程】Linux创建虚拟环境并配置与notebook相连接

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如，在当前目录下创建一个名为 myenv 的虚拟环境： python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行： source myenv/bin/activate 3.与notebook连接 在虚拟环境中，使用 pip 安装 Jupyter 和 ipykernel： pip instal
阅读更多...
【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程（Gaussian Process，简称GP）是一种概率模型，用于描述一组随机变量的联合概率分布，其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数（或核函数） 1.3 核函数1.4 高斯过程回归（Gauss
阅读更多...
【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络（1）sklearn

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络（1）sklearn

系列文章目录 监督学习：参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归（SAheart.csv） 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学
阅读更多...
nudepy，一个有趣的 Python 库！

nudepy，一个有趣的 Python 库！

更多资料获取 📚 个人网站：ipengtao.com 大家好，今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址：https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中，检测图像中的不适当内容（例如裸露图像）是一个重要的任务。nudepy 是一个基于 Python 的库，专门用于检测图像中的不适当内容。该
阅读更多...
pip-tools：打造可重复、可控的 Python 开发环境，解决依赖关系，让代码更稳定

pip-tools：打造可重复、可控的 Python 开发环境，解决依赖关系，让代码更稳定

在 Python 开发中，管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等，都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools？ pip-tools 是一组命令行工具，旨在简化 Python 依赖关系的管理，确保项目环境的稳定性和可重复性。它主要包含两个核心工具：pip-compile 和 pip
阅读更多...
C++操作符重载实例(独立函数)

C++操作符重载实例(独立函数)

C++操作符重载实例，我们把坐标值CVector的加法进行重载，计算c3=c1+c2时，也就是计算x3=x1+x2，y3=y1+y2，今天我们以独立函数的方式重载操作符+（加号），以下是C++代码： c1802.cpp源代码： D:\YcjWork\CppTour>vim c1802.cpp #include <iostream>using namespace std;/*** 以独立函数
阅读更多...
HTML提交表单给python

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2