之前一篇文章里提到了利用Cython来编译Python，这次来讲一下如何用Cython给Python写扩展库。

两种语言混合编程，其中最重要的是类型的传递。

我们用一个简单的例子进行入门：这次的目标是用C语言写一个Numpy的加法和元素相乘模块。在本例中，Numpy的array被传入到C语言模块内，变成了二维数组。

1. 头文件main.h：

#ifndef _MAIN_H#define _MAIN_Hvoid plus(double *a, double *b, double *r, int n, int m); // 矩阵加法void mul(double *a, double *b, double *r, int n, int m); // 矩阵按元素相乘void main(double *a, double *b, double *r, int n, int m, int times); // 用于测试的main函数#endif

2. 把主要代码写在main.c中：

#include "main.h" /************************************ 矩阵的加法* 利用数组是顺序存储的特性, ** 通过降维来访问二维数组! ** r***********************************/void plus(double *a, double *b, double *r, int n, int m){ int i, j; for(i = 0; i < n; i++) { for(j = 0; j < m; j++) *(r + i*m + j) = *(a + i*m + j) + *(b + i*m + j); }} /************************************ 矩阵的按元素乘法* 利用数组是顺序存储的特性, ** 通过降维来访问二维数组! ** r***********************************/void mul(double *a, double *b, double *r, int n, int m){ int i, j; for(i = 0; i < n; i++) { for(j = 0; j < m; j++) *(r + i*m + j) = *(a + i*m + j) * *(b + i*m + j); }} /************************************ main函数* 利用数组是顺序存储的特性, ** 通过降维来访问二维数组! ** r***********************************/void main(double *a, double *b, double *r, int n, int m, int times){ int i; // 循环times次#pragma omp parallel for for (i = 0; i < times; i++) { // 矩阵的加法 plus(a, b, r, n, m); // 矩阵按元素相乘 mul(a, b, r, n, m); }}

这个main.c中实现了矩阵的加法、矩阵按元素相乘的功能，用到的数据结构是二维数组，但是因为C语言中给函数传递二维数组比较麻烦，这里用降维的方法实现。另外在main()函数中，采用一个循环来进行测试，以测试性能。

3. 下面编写test.pyx文件来调用上述C函数（注意，后缀是.pyx噢）：详细的知识点在注释中写出来了~

# 既要import numpy, 也要用cimport numpyimport timeimport numpy as npcimport numpy as np # 使用Numpy-C-APInp.import_array() # cdefine C 函数cdef extern from "main.h": void plus(double *a, double *b, double *r, int n, int m) void mul(double *a, double *b, double *r, int n, int m) void main(double *a, double *b, double *r, int n, int m, int times) """# 定义一个"包装函数", 用于调用C语言的main函数，调用范例：plus_fun(a, b, r)# 在这里要注意函数传入的参数的类型声明，double表示数组的元素是double类型的，# ndim = 2表示数组的维度是2# 在调用main函数时，要把python的变量强制转化成相应的类型（以确保无误），比如<int># 当然，基本类型如int，可以不显式地写出来，如下面的a.shape[0]、a.shape[1]"""def main_func(np.ndarray[double, ndim=2, mode="c"] a not None, np.ndarray[double, ndim=2, mode="c"] b not None, np.ndarray[double, ndim=2, mode="c"] r not None, times not None): main(<double*> np.PyArray_DATA(a), <double*> np.PyArray_DATA(b), <double*> np.PyArray_DATA(r), a.shape[0], a.shape[1], <int> times)

4. 为了用Cython编译上述代码，我们创建一个setup.py文件：

import numpyfrom distutils.core import setupfrom distutils.extension import Extensionfrom Cython.Distutils import build_ext filename = 'test' # 源文件名full_filename = 'test.pyx' # 包含后缀的源文件名 setup( name = 'test', cmdclass = {'build_ext': build_ext}, ext_modules=[Extension(filename,sources=[full_filename, "main.c"], include_dirs=[numpy.get_include()])],)

5. 上述的main.h、main.c、test.pyx一定要放在同一个文件夹下。此时在该文件夹下按住shift键，然后右击鼠标，打开cmd或PowerShell控制台，在控制台中运行以下命令进行Cython编译：

python setup.py build_ext --i

或者：

python setup.py build_ext --inplace

编译成功的图例：

此时在同目录下会生成“test.cp36-win_amd64.pyd”的二进制码文件，它是闭源的，但是可以直接用python来import。下面编写测试代码main.py来进行测试：

import testimport timeimport numpy as np start_time = time.time()a = np.random.rand(100, 100) * 2 - 1 # 生成300*300的随即矩阵b = np.random.rand(100, 100) * 2 - 1r = np.empty_like(a) # 创建一个空矩阵，用来存储计算结果test.main_func(a, b, r, 500000) # 调用main_func进行测试end_time = time.time()print(end_time - start_time) # 输出时间print(r) # 输出运行结果

执行结果：

通过本例我们可以看到：将循环放在C语言模块中，而不是原生的Python中，可以提高执行效率。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。