在 C 中使用函数时将参数传递给 scipy.LowLevelCallable

Question

我正在尝试使用 C 定义的函数在 SciPy 中进行数值积分。给出的示例案例 here (SciPy documentation) 工作正常。

在我的例子中，testlib.c 文件是

/* testlib.c */

#include <math.h>
#define PI 3.14159265358979323846

double factor(double phi, double r) {
    double val = (2*PI)/(pow(r, 2) + 3*cos(phi));
    return val;
}

//------------------------------------

double f2(int n, double *x, void *user_data) {
    double c = *(double *)user_data;
    double v1 = factor(c, 0.25); // value of phi defined inline but it is an argument
    return v1 + x[0] - x[1] ; /* corresponds to v1 + x - y    */
}

并且，调用编译后得到的testlib.so文件的test.py函数如下，

import os, ctypes
from scipy import integrate, LowLevelCallable

lib = ctypes.CDLL(os.path.abspath('testlib.so'))

# define return type in .restype
lib.f2.restype = ctypes.c_double

# define argument type in .argtypes
lib.f2.argtypes = (ctypes.c_int, ctypes.POINTER(ctypes.c_double), ctypes.c_void_p)

# additional argument, here a constant, casting needed
c = ctypes.c_double(1.0)
user_data = ctypes.cast(ctypes.pointer(c), ctypes.c_void_p)

# pass extra argument
func = LowLevelCallable(lib.f2, user_data)

# quadrature in 3-dimensions
out=integrate.nquad(func, [[0, 10], [-10, 0]])

print(out)

# -----------------------------------------------
phi = 0.25   #  How to pass these to the C function 
esv = 1.25   
cv1 = 0.03   
cv2 = -0.15  
cv3 = 3.0

我的问题：如何将额外的参数如c传递给函数f2。在我的例子中，我有 5 个这样的参数，在调用 py 文件中作为 np.float64 可用。

我想知道我是否可以将参数作为数组作为 user_data 传递给函数 f2 。

从documentation for nquad,发现arguments要以数组的形式传递而C函数中的int n是传递的arguments个数
此外，我愿意尝试其他选项，例如 cython、pyCapsule，但没有这方面的经验。使用 numba 和 jit 发现了非常相似的问题，其中没有传递额外的参数。

用于编译 testlib.c：$ gcc -shared -fPIC -o testlib.so testlib.c

Answer 1

给猫剥皮的方法不止一种，但如果您使用的是 ctypes，则可以坚持使用 ctypes，例如：

您可以创建一个数组并用值对其进行初始化，例如：

ptr_to_buffer=(ctypes.c_double*5)(phi,esv,cv1,cv2,cv3)
user_data = ctypes.cast(ptr_to_buffer, ctypes.c_void_p)

或者如果数据已经在一个 numpy 数组中（正如我最初理解你的问题）：

import numpy as np
a=np.array([1.0, 2.0, 3.0, 4.0, 5.0], np.float64)

import ctypes
ptr_to_buffer=(ctypes.c_double*5).from_buffer(a)
user_data = ctypes.cast(ptr_to_buffer, ctypes.c_void_p)

在这种情况下 user_data 是 a 的副本并且不共享内存，这有时是件好事，有时则不是。

对于更大的数组，也可以让 user_data 也与 numpy 数组共享内存：

user_data = ctypes.c_void_p(a.__array_interface__['data'][0])

可以通过以下方式验证：

ctypes.cast(user_data, ctypes.POINTER(ctypes.c_double))[0] = 42.0
print(a[0])
# 42.0 and not 1.0

对于这个变体，你实际上必须检查，numpy 数组的内存是连续的，例如如何获得这个信息可以在 numpy.ctypeslib.as_ctypes.[=21 中查找=]

也许获取指针的低级方法是

user_data =  ctypes.cast(np.ctypeslib.as_ctypes(a), ctypes.c_void_p)

但仍然需要检查 shape/strides。

在 C 中使用函数时将参数传递给 scipy.LowLevelCallable

Passing arguments to scipy.LowLevelCallable while using functions in C

python

cython

scipy

numerical-integration