Python与C++混合编程

概述

Py是解释型语言，编译时不直接翻译成汇编语言而是字节码，在py的虚拟机中运行，在进行数据运算的场下，存在性能瓶颈。C++性能卓越，但学习门槛高且开发效率比py低，可用于密集型计算并用Python进行调用。

也可以用golang，后面可补充

与C++混合方式

将影响性能的核心代码用c++/go来写，而逻辑开发由py完成

方法一：使用ctypes库加载C++编写的动态链接库，并加载到py中使用
ctypes 是 Python 的外部函数库。它提供了与 C 兼容的数据类型，并允许调用 DLL 或共享库中的函数。可使用该模块以纯 Python 形式对这些库进行封装（需要先将C++编写的代码转为动态链接库..dll）
指南：https://docs.python.org/zh-cn/3/library/ctypes.html
方法二：使用pybind将C++编译为Python库。

官网：https://pypi.org/project/pybind11

方法三：使用Python将Py直接转为C++代码。

官网：https://pypi.org/project/pythran

本文介绍pythran的使用方法

pythran

用py编写算法代码
用pythan将py转为c++
用C++编辑一个简单的main方法函数，直接调用py转为c++后的函数

安装

pip install pythran
pythran --help

pythran可以用py的import代码导入，也可以直接在命令行中执行

转换

pythran -e cli_foo.py 
            -p pythran.optimizations.ConstantFolding
            -o  cli_foo.hpp

# 编译(未验证）
`pythran-config --compiler --cflags` -std=C++11 cli_foo.cpp -o cli_foo

编写c++测试库

vim cli_foo.hpp

include cli_foo.hpp
int main(){
   foo()();
   return 0;
}

注意：

pythran无法支持所有py的功能，只有矩阵计算与数学的数据处理，支持较好。其他功能扩展，比如引入第三方库，则需要自己做一些额外的处理。