CPython-Tutorial-zh

中文CPython教程

简述

Python有时候太慢，如果手动编译C或者是C++来写#include<Python.h>的文件也比较麻烦。
CPython无疑是一个比较好的选择。

这篇教程是基于

• https://cython.readthedocs.io/en/latest/src/tutorial/cython_tutorial.html
  同时也参考了 http://docs.cython.org/en/latest/
• 但我会在这个的基础上做一些补充。
  同样，这个项目，我会持续更新到github上
• https://github.com/Sean16SYSU/CPython-Tutorial-zh

改进的理由

来源于link1的

1. 每一行的计算量很少，因此python解释器的开销就会变的很重要。
2. 数据的局部性原理：很可能是，当使用C的时候，更多的数据可以塞进CPU的cache中，因为Python的元素都是Object，而每个Object都是通过字典实现的，cache对这个数据不很友好。

项目

Hello World项目

第一个项目是Hello world。

创建一个文件helloworld.pyx，内容如下：

print("Hello world!")

保存后，创建setup.py文件，内容如下：

from distutils.core import setup
from Cython.Build import cythonize

setup(
    ext_modules = cythonize("helloworld.pyx")
)

保存后，命令行进入setup.py所在目录，并输入python setup.py build_ext --inplace，如下：

PS D:\Code\CPython\Test> python setup.py build_ext --inplace
Compiling helloworld.pyx because it changed.
[1/1] Cythonizing helloworld.pyx
running build_ext
building 'helloworld' extension
creating build
creating build\temp.win-amd64-3.6
creating build\temp.win-amd64-3.6\Release
C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.13.26128\bin\HostX86\x64\cl.exe /c /nologo /Ox /W3 /GL /DNDEBUG /MD -IC:\Users\lijy2\AppData\Local\Programs\Python\Python36\include -IC:\Users\lijy2\AppData\Local\Programs\Python\Python36\include "-IC:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.13.26128\ATLMFC\include" "-IC:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.13.26128\include" "-IC:\Program Files (x86)\Windows Kits\NETFXSDK\4.6.1\include\um" "-IC:\Program Files (x86)\Windows Kits\10\include\10.0.16299.0\ucrt" "-IC:\Program Files (x86)\Windows Kits\10\include\10.0.16299.0\shared" "-IC:\Program Files (x86)\Windows Kits\10\include\10.0.16299.0\um" "-IC:\Program Files (x86)\Windows Kits\10\include\10.0.16299.0\winrt" "-IC:\Program Files (x86)\Windows Kits\10\include\10.0.16299.0\cppwinrt" /Tchelloworld.c /Fobuild\temp.win-amd64-3.6\Release\helloworld.obj
helloworld.c
C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.13.26128\bin\HostX86\x64\link.exe /nologo
/INCREMENTAL:NO /LTCG /DLL /MANIFEST:EMBED,ID=2 /MANIFESTUAC:NO /LIBPATH:C:\Users\lijy2\AppData\Local\Programs\Python\Python36\libs /LIBPATH:C:\Users\lijy2\AppData\Local\Programs\Python\Python36\PCbuild\amd64 "/LIBPATH:C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.13.26128\ATLMFC\lib\x64" "/LIBPATH:C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.13.26128\lib\x64" "/LIBPATH:C:\Program Files (x86)\Windows Kits\NETFXSDK\4.6.1\lib\um\x64" "/LIBPATH:C:\Program Files (x86)\Windows Kits\10\lib\10.0.16299.0\ucrt\x64" "/LIBPATH:C:\Program Files (x86)\Windows Kits\10\lib\10.0.16299.0\um\x64" /EXPORT:PyInit_helloworld build\temp.win-amd64-3.6\Release\helloworld.obj /OUT:D:\Code\CPython\Test\helloworld.cp36-win_amd64.pyd /IMPLIB:build\temp.win-amd64-3.6\Release\helloworld.cp36-win_amd64.lib
  正在创建库 build\temp.win-amd64-3.6\Release\helloworld.cp36-win_amd64.lib 和对象 build\temp.win-amd64-3.6\Release\helloworld.cp36-win_amd64.exp
正在生成代码
已完成代码的生成

在该目录下的命令行进入Python操作界面，导入包之后，就会自动输出Hello world!，如下：

PS D:\Code\CPython\Test> python
Python 3.6.6 (v3.6.6:4cf1f54eb7, Jun 27 2018, 03:37:03) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import helloworld
Hello world!

这就完成了一个简单的CPython的扩展书写。下面再举例子。

Fibonacci Function项目

斐波那契数列：1, 1, 2, 3, 5,…
前两位为1，之后每个数等于前面两个数之和。

创建fib.pyx，内容如下：

from __future__ import print_function

def fib(n):
    a, b = 0, 1
    while b < n:
        print(b, end=' ')
        a, b = b, a + b
    print()

创建setup.py文件，内容如下：

from distutils.core import setup
from Cython.Build import cythonize

setup(
    ext_modules = cythonize("fib.pyx")
)

通过命令python setup.py build_ext --inplace，生成出来的文件：

import fib
fib.fib(100)

输出：

1 1 2 3 5 8 13 21 34 55 89

• 但是经过测试之后，发现速度并没有很高的提升，很可能是操作本来就很简单，数值也很小，没什么优化的空间了。

Primes项目

给一个数值n，输出前n个质数（list）。

写到primes.pyx中：

def primes(int nb_primes):
    cdef int n, i, len_p
    cdef int p[1000]
    if nb_primes > 1000:
        nb_primes = 1000
    
    len_p = 0
    n = 2
    while len_p < nb_primes:
        for i in p[:len_p]:
            if n % i == 0:
                break
        else:
            p[len_p] = n
            len_p += 1
        n += 1
    result_as_list = [prime for prime in p[:len_p]]
    return result_as_list

同理，setup.py文件内容为：

from distutils.core import setup
from Cython.Build import cythonize

setup(
    ext_modules = cythonize("primes.pyx")
)

在参考的link中给出了测试的案例，有些解释的不太好，我这边描述一下

• 直接使用Python实现版本，平均用时23ms
• Python版本用CPython编译(对，直接把Python文件名字像pyx一样放进去就好了)， 平均用时11ms
• pyx的CPython编译版本，平均用时1.6ms

Stat项目

注意，这里不能直接使用stat，因为似乎是有这个库了emmmm

stat_.pyx:

from libc.math cimport sqrt

def mean(list arr):
    cdef:
        int i
        int sz
        double tmp
    tmp = 0
    sz = len(arr)
    for i in range(sz):
        tmp += arr[i]
    return tmp / sz

def std(list arr):
    cdef:
        double m = mean(arr)
        int sz, i
        double tmp
    sz = len(arr)
    tmp = 0
    for i in range(sz):
        tmp += (arr[i] - m) ** 2
    return sqrt(tmp)

setup.py:

from distutils.core import setup
from Cython.Build import cythonize

setup(
    ext_modules = cythonize("stat_.pyx")
)

命令还是一样的：python setup.py build_ext --inplace

测试：

>>> import stat_
>>> a = [1,2,3]
>>> stat_.mean(a)
2.0
>>> stat_.std(a)
1.4142135623730951

前言

Python有时候太慢，如果手动编译C或者是C++来写#include<Python.h>的文件也比较麻烦。
CPython无疑是一个比较好的选择。

简介

CPython是特指C语言实现的Python，就是原汁原味的Python。

之所以使用CPython这个词，是因为Python还有一些其它的实现，比如Jython，就是Java版的Python，还有烧脑的PyPy，使用Python再把Python实现了一遍。

如下是官方对CPython的说明：

CPython is Guido van Rossum’s reference version of the Python computing language. It’s most often called simply “Python”; speakers say “CPython” generally to distinguish it explicitly from other implementations.

案例

先从一个Hello Word开始

1. 创建一个文件helloworld.pyx，内容如下：

    print("Hello world!") #pyx文件是python的c扩展文件，代码要符合cython的规范，用什么编辑器写都行。
   

2. 保存后，创建setup.py文件，内容如下：

    from distutils.core import setup
    from Cython.Build import cythonize
    
    setup(
        ext_modules = cythonize("helloworld.pyx")
    )
   

3. 保存后，进入setup.py所在目录，并执行编译命令：

    python setup.py build_ext --inplace
   

   会输出如下结果：

   $python setup.py build_ext --inplace
   Compiling helloworld.pyx because it changed.
   [1/1] Cythonizing helloworld.pyx
   /anaconda3/envs/deeplearning/lib/python3.7/site-packages/Cython/Compiler/Main.py:369: FutureWarning: Cython directive ‘language_level’ not set, using 2 for now (Py2). This will change in a later release! File: /Users/user/pytorch/NLP学习/learning_2.0/helloworld.pyx
   tree = Parsing.p_module(s, pxd, full_module_name)
   running build_ext
   building ‘helloworld’ extension
   creating build
   creating build/temp.macosx-10.9-x86_64-3.7
   gcc -Wno-unused-result -Wsign-compare -Wunreachable-code -DNDEBUG -g -fwrapv -O3 -Wall -Wstrict-prototypes -I/anaconda3/envs/deeplearning/include -arch x86_64 -I/anaconda3/envs/deeplearning/include -arch x86_64 -I/anaconda3/envs/deeplearning/include/python3.7m -c helloworld.c -o build/temp.macosx-10.9-x86_64-3.7/helloworld.o
   gcc -bundle -undefined dynamic_lookup -L/anaconda3/envs/deeplearning/lib -arch x86_64 -L/anaconda3/envs/deeplearning/lib -arch x86_64 -arch x86_64 build/temp.macosx-10.9-x86_64-3.7/helloworld.o -o /Users/user/pytorch/NLP学习/learning_2.0/helloworld.cpython-37m-darwin.so

4. 运行完这个命令后，该目录下就会生成三个文件：

    build                    helloworld.pyx
    helloworld.c                setup.py
    helloworld.cpython-37m-darwin.so
   

5. 然后创建一个调用文件test.py,内容为：

    import helloworld
   

   运行返回：

    i$ python test.py 
    Hello world!
   

Fibonacci Function项目

斐波那契数列：1, 1, 2, 3, 5,… 前两位为1，之后每个数等于前面两个数之和。

创建fib.pyx，内容如下：

from __future__ import print_function

def fib(n):
    a, b = 0, 1
    while b < n:
        print(b, end=' ')
        a, b = b, a+b
    print()

创建setup.py文件，内容如下：

from distutils.core import setup
from Cython.Build import cythonize

setup(
    ext_modules = cythonize("fib.pyx")
)

通过命令python setup.py build_ext --inplace，生成出来的文件：

python setup.py build_ext --inplace
Compiling fib.pyx because it changed.
[1/1] Cythonizing fib.pyx
/anaconda3/envs/deeplearning/lib/python3.7/site-packages/Cython/Compiler/Main.py:369: FutureWarning: Cython directive 'language_level' not set, using 2 for now (Py2). This will change in a later release! File: /Users/user/pytorch/NLP学习/learning_2.0/fib.pyx
  tree = Parsing.p_module(s, pxd, full_module_name)
running build_ext
building 'fib' extension
gcc -Wno-unused-result -Wsign-compare -Wunreachable-code -DNDEBUG -g -fwrapv -O3 -Wall -Wstrict-prototypes -I/anaconda3/envs/deeplearning/include -arch x86_64 -I/anaconda3/envs/deeplearning/include -arch x86_64 -I/anaconda3/envs/deeplearning/include/python3.7m -c fib.c -o build/temp.macosx-10.9-x86_64-3.7/fib.o
gcc -bundle -undefined dynamic_lookup -L/anaconda3/envs/deeplearning/lib -arch x86_64 -L/anaconda3/envs/deeplearning/lib -arch x86_64 -arch x86_64 build/temp.macosx-10.9-x86_64-3.7/fib.o -o /Users/user/pytorch/NLP学习/learning_2.0/fib.cpython-37m-darwin.so

测试test.py:

import fib
fib.fib(100)

返回：

$ python test.py 
1 1 2 3 5 8 13 21 34 55 89 

大家常说的Python是一门编程语言，程序员学习编程语言的语法写出来的代码 需要由解释器来运行，而Python主流的解释器就是CPython。所以大家的电脑上需要先安装上CPython解释器，然后才能运行自己编写的Python代码。

打开官网：http://www.python.org，点击Downloads下载,如下图

下拉页面，选择对应版本：Python3.6.3，如下图

向下查找,找到Python 3.6.3 根据系统选择对应的安装包,如下图

根据当前系统的选择对用的,红色的是windows32位系统,绿色的是windows64系统位，目前大家的基本都是64位系统，所以一般选择 绿色框 标记的 x86-64 安装包。

下载完成，如下图

下载完成后找到下载的目录,然后用鼠标左键双击

安装

执行下一步

勾选安装

安装成功