什么是公开 C++ 类的好方法，该类提供与 numpy (scipy) 一起使用的类似数组的接口(interface)？
通过类似数组的接口(interface)，我的意思是这样的:
//file:Arr.h
class Arr{
public:
int n_rows;
int n_cols;
float* m_data;
Arr(int r, int c, float v);
virtual ~Arr();
float get(int i, int j);
void set(int i, int j, float v);
long data_addr(){
return (long)(m_data);
}
};
约束:
对 C++ 代码有 Python 依赖)因此对 C++ 的任何修改
必须通过 SWIG 完成(例如
%extend )。 我目前的方法是在我的 SWIG
pythoncode 文件中放置一个 .i 块看起来像
%pythoncode{
def arraylike_getitem(self, arg1,arg2 ):
# the actual implementation to handle slices
# is pretty complicated but involves:
# 1. constructing an uninitialized numpy array for return value
# 2. iterating over the indices indicated by the slices,
# 3. calling self.getValue for each of the index pairs,
# 4. returning the array
# add the function to the ArrayLike class
Arr.__getitem__=arraylike_getitem
%}
其中
ArrayLike 是保存数值数据(作为平面数组)的 C++ 类，并提供成员函数来获取/设置单个值。
主要缺点是上面的第 1 步:我必须复制任何切片
我接受了我的 c-array 类。 (主要优点是通过返回一个
numpy 数组对象，我知道我可以在任何我想要的 numpy 操作中使用它。)
我可以想象两种改进方法:
%extend)附加功能具有 python 函数的
我的主要问题是不知道对象需要(有效地)实现什么接口(interface)才能像 numpy 数组一样嘎嘎作响。
测试用例
这是我的测试设置:
//file:Arr.h
class Arr{
public:
int n_rows;
int n_cols;
float* m_data;
Arr(int r, int c, float v);
virtual ~Arr();
float get(int i, int j);
void set(int i, int j, float v);
long data_addr(){
return (long)(m_data);
}
};
//-----------------------------------------------------------
//file Arr.cpp
#include "Arr.h"
Arr::Arr(int r, int c, float v): n_rows(r), n_cols(c), m_data(0){
m_data=new float[ r*c ];
for( int i=0; i<r*c; ++i){
m_data[i]=v;
}
}
Arr::~Arr(){
delete[] m_data;
}
float Arr::get(int i, int j){
return m_data[ i*n_cols+j];
}
void Arr::set(int i, int j, float v){
m_data[i*n_cols+j]=v;
}
//--------------------------------------------------------------------
//file:arr.i
%module arr
%{
#include "Arr.h"
#include </usr/lib64/python2.7/site-packages/numpy/core/include/numpy/ndarrayobject.h>
#include <python2.7/Python.h>
%}
%include "Arr.h"
%pythoncode{
# Partial solution (developed in constructing the question): allows operations between
# arr objects and numpy arrays (e.g. numpy_array+arr_object is OK)
# but does not allow slicing (e.g. numpy_array[::2,::2]+arr_objec[::2,::2])
# TODO: figure out how to get slices without copy memory
def arr_interface_map(self):
res={ 'shape':(self.n_rows, self.n_cols), 'typestr':'<f4', 'data': self.data_addr(),0), 'version':3 }
return res
Arr.__array_interface__=property( arr_interface_map )
}
//---------------------------------------------------------
#file: Makefile
INCLUDE_FLAGS = -I/usr/include/python2.7
arr_wrap.cpp: arr.i Arr.h
swig -c++ -python -o $@ ${INCLUDE_FLAGS} arr.i
_arr.so: arr_wrap.o Arr.o
g++ -shared -o _arr.so arr_wrap.o Arr.o
clean:
rm -f *.o *_wrap.cpp *.so
all: _arr.so
如果我能让这个
Arr 类与 numpy 一起工作，那么我就成功了。编辑:
从 this related question 看来
__array_interface__ 将成为解决方案的一部分(待定:如何使用它？) 最佳答案
如果 n_cols 和 n_rows 是(实际上)不可变的，那么您最好的做法是简单地创建一个真正的 numpy 数组，将 m_data 作为存储，将 (n_rows, n_cols) 作为形状。这样，您将获得所有 numpy 数组工具，而无需任何复制，也无需在您自己的代码中重新实现它们(这将是很多模仿的庸医)。
PyObject* array_like_to_numpy(ArrayLike& obj)
{
npy_intp dims[] = { obj.n_rows, obj.n_cols };
return PyArray_SimpleNewFromData(2, dims, NPY_FLOAT, obj.m_data);
}
当然，这不会像写的那样工作，因为您的
m_data 成员受到保护。但最好是将其公开或提供访问器来检索它(或从 ArrayLike 继承并在您的子类中提供此类功能)。关于c++ - 使用 swig 使 C++ 类看起来像一个 numpy 数组，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/18211783/