最近開始用python進行一些數據分析... 想跟各位分享一下 使用Scipy + Numpy 將 C語言整合至python的心得: python在某些情況下的速度實在是讓人無法忍受 (ex. 對大型List做兩三層迴圈以上的數學運算) 為了增強python在這方面的功能 有兩個好用的module: SciPy & Numpy numpy 基本上是使用自訂的 "array" 相較於python list, numpy array裡的元素資料型態是一致的 所以在記憶體的使用上有較高效率 而且內建的 "universal function" (ufunc)功能 可以一次對整個numpy array做簡單的數學函數運算 可惜如果運算稍微複雜一點時, numpy 提供的 frompython (將自訂函數轉成universal function) 相較於使用python本身去寫並沒有快多少 速度上還是不如C語言 這個時候Scipy就可以出場了... Scipy本身的功能也相當強大,比如說scipy.matplotlib用來繪圖就蠻方便的 其中的scipy.weave更提供了直接在python 裡面使用C語言(and C++)的功能: 舉例來說, hello world: from scipy import weave code="""printf("Hello World! \\n");""" weave.inline(code) 當然, 這看起來像脫褲子放屁 XD 不過如果有一個或好幾個很長的numpy array, 就可以用weave.blitz 結合weave.inline 直接傳到在python裡面寫的C code裡 舉例: import numpy as np from scipy import weave a=np.arange(0,1000,dtype=float).reshape(500,2) #產生((0,1),(2,3),(4,5)...(998,999))的500*2矩陣,並指定資料型態為float code=""" float k=0.0; for(int i=0;i<500;i++) { k+=a(i,0)+a(i,1); //直接在code裡面使用剛剛產生的矩陣 } return Py_BuildValue("d", k); //傳回一個float給python """ print weave.inline(code, ['a'], type_converters=weave.converters.blitz, compiler='gcc') 就會出現從0 加到 999的值囉 如果要傳回python list, 可以在C code裡宣告 ex. PyObject *m = PyList_New(0); 對這個list 可以像在python 裡面一樣操作, 如: PyList_Append(m, PyFloat_FromDouble(k)); 因為是在C語言裡面,所以資料型態要指定好 關於如何增加python的效率, 有興趣的人可以看看這邊 http://www.scipy.org/PerformancePython 個人是覺得簡單但是大量的運算 用weave.inline 搭配 numpy, weave.blitz是相當方便的組合 cython or SWIG速度比inline快上一點, 但是使用上稍微複雜一些(對我來說 XD) 如果是使用windows的話 python(x,y)裝了就可以直接用scipy.weave & numpy了 用linux的話就是手動裝scipy & numpy, 要使用weave的話得多裝python-dev 還有要更改這個 /usr/lib/python2.6/dist-packages/scipy/weave/blitz/blitz/blitz.h 在#include <stdio.h> 之前添加： #include <cstdlib> 以上拋磚引玉 希望有更多高手可以分享使用python 做科學研究的心得 ~OTZ --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 129.170.26.186 ※ 編輯: painkiller 來自: 129.170.26.186 (04/09 08:20) ※ 編輯: painkiller 來自: 129.170.26.186 (04/09 08:21)