百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

Python与C语言混全编程之复数数组的参数传递方法

ztj100 2025-01-16 21:40 52 浏览 0 评论

引言

前段时间在作信号分析处理方面的项目时,需要将时域数据通过快速傅立叶变换(FFT)转换到频域以便作进一步的后续处理,由于涉及到实时运算速度方面的要求,需要考虑程序算法的运算性能问题,因此,信号处理算法是在C语言里面完成的,然后将算法的实现函数封装到动态连接库(DLL)文件中,最后在Python中调用该DLL文件中的函数,通过GUI界面程序对运算结果作图形的显示等工作。这儿就涉及到了如何将C语言中的复数数组(Complex array)类型与Python中的数据类型进行交互的问题。

在Python语言中,可以使用ctypes模块调用其它如C++语言编写的动态链接库DLL文件中的函数,前面多篇文章中已经讲了传递数值/指针/字符串参数、传递结构体参数、传递普通数组类型的例子,大家可以回看一下,这样可以更好的理解本次要讲的内容。

这次的例子运行环境配置如下:

① 操作系统:win7 64位

② Python版本:python2.7.14

③ 函数约定的调用方式:C调用(cdecl)方式。

下面给出具体的实现过程。

函数说明

在DLL文件(MyDLL.dll)中设计一个函数ComplexArrayFunc,其功能是,对于输入长度为n的复数数组x,将x数组中的每个复数元素的实部和虚部进行交换,得到同样长度的复数数组y。该函数的声明如下图所示:


函数ComplexArrayFunc的具体C语言实现代码如下:


下面给出Python中转为numpy数组的调用方法。

Python中调用方法

如果像前面几篇文章中所示,考虑将上面函数中复数数组x直接使用ctypes模块声明为复数类型的指针,即形如“POINT(c_double)”的形式,但是,在ctypes模块中声明指针的类型时,该模块中没有c_complex类型的指针,所以这种方式不容易实现。

一般情况下,在C语言与Python语言通过DLL文件进行混合编程时,可将DLL函数中的数组类型转换为numpy库里面的数组类型,这样做的好处是可以借助于numpy强大的分析处理功能对数据直接作后续处理。

在numpy库中,直接支持复数数组类型的声明。

按照这种思路,在Python中的函数声明及调用方式如下:


上面方法在声明函数的参数类型时,对于参数x和y复数类型的指针变量,使用np.ctypeslib.ndpointer(dtype=np.complex128,ndim=1,flags="C_CONTIGUOUS")直接将numpy中的数组声明为C语言中的复数数组类型,最后调用时,将numpy中的数组类型a和b传到该函数中即可。

需要说明的是,复数类型的指针x和y,其类型要声明为np.complex128,因为在C语言中,其实部和虚部都是为double类型(8个字节)的数据,所以对应numpy中的复数类型为8*2=16Bytes=128bits。

在Python中使用这种调用方法的优点是,只需在文件中对函数原型声明一次即可,虽然在声明时麻烦些,但可以在Python中多个地方多次调用该函数,且可以直接使用numpy中的数组类型,无需作另外的转换工作。

完整的测试代码

完整的测试代码如下图所示:


运行结果如下图所示:


从运行结果可以看出,对于包含3个复数元素的数组a,已经实现了其实部和虚部进行交换的目的,通过复数数组b进行了正确的输出。这种调用方法可以实现C语言复数数组与numpy复数数组之间数据正确的传递。

总结

从这个例子中可以看出,在Python语言中,通过ctypes模块调用其它如C++语言编写的动态链接库DLL文件中的函数,在提高软件运行效率的同时,也可以充分利用目前市面上各种第三方的DLL库函数,以扩充Python软件的功能及应用领域,减少重复编写代码、重复造轮子的工作量,这也充分体现了Python语言作为一种胶水语言所特有的优势。

本文由编码那些事原创,请关注+转发+收藏+点赞,带你一起长知识!

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: