CPPYY include 和 load_libraries及动态特性(二)

CPPYY Part II

动态特性

我们来实现一个简单的KNN算法

"""
新建一个文件 nearest_neighbors.h
------------------
#pragma once

#include <iostream>
#include <vector>

class Point {
public:
  Point() {};
  Point(double x, double y) : x(x), y(y) {};
  double x, y;
};

class NearestNeighbors {
 public:
  NearestNeighbors() {};
  std::vector<Point> points;
  std::vector<Point> nearest(Point, int k);
};
------------------
"""
# 将头文件include 进来
cppyy.include("nearest_neighbors.h")
# 现在已经可以使用 Point 和 NearestNeighbors 类了
Point = cppyy.gbl.Point
KNN = cppyy.gbl.NearestNeighbors
# 构造一个 Point
p = Point(1.0, 2.0)
print(repr(p))
<cppyy.gbl.Point object at 0x000001E120E918B0>
# 我们希望print(p) 可以看到具体的信息
Point.__repr__ = lambda self: "<Point object at 0x{:04X}, x: {}, y: {}>".format(id(self), self.x, self.y)
# 再次print(p)
print(repr(p))  # >> p   # in ipython
<Point object at 0x1E122C5CB40, x: 1.0, y: 2.0>
# 现在初始化 KNN,需要一系列的Points
from random import random
points = [Point(random()*10, random()*10) for _ in range(10)]
knn = KNN()
knn.points = Vector[Point](points)
list(knn.points)
[<Point object at 0x1E122EC5CA8, x: 8.423026486604515, y: 4.205179067516682>,
 <Point object at 0x1E1217F8438, x: 1.38495460424919, y: 8.902270221641716>,
 <Point object at 0x1E122FB5870, x: 5.4137809335642615, y: 5.081185223495259>,
 <Point object at 0x1E122FB56C0, x: 4.43062339130408, y: 0.3717755170621895>,
 <Point object at 0x1E122FB5990, x: 7.143169297375893, y: 7.112832543272915>,
 <Point object at 0x1E122FB5B88, x: 2.619781100077131, y: 2.0009995637839486>,
 <Point object at 0x1E122FB55E8, x: 9.678854624172509, y: 7.42921725146636>,
 <Point object at 0x1E122FB53F0, x: 9.058931286852678, y: 6.025951815850337>,
 <Point object at 0x1E122FB5FC0, x: 1.2802522942068906, y: 3.7686758142413557>,
 <Point object at 0x1E122FB5BD0, x: 1.5544746354777161, y: 1.2622207703902388>]
p = Point(2.4, 3.5)
# 现在可以直接调用下面的knn.nearest(p, 2)吗?
# 答案是不行的,因为只include了头文件,knn.nearest函数是未定义的,如果调用将会报错
knn.nearest(p, 2)
-------------------------------------------------
IncrementalExecutor::executeFunction: symbol '?nearest@NearestNeighbors@@QEAA?AV?$vector@VPoint@@V?$allocator@VPoint@@@std@@@std@@VPoint@@H@Z' unresolved while linking symbol '__cf_17'!
You are probably missing the definition of public: class std::vector<class Point,class std::allocator<class Point> > __cdecl NearestNeighbors::nearest(class Point,int) __ptr64
Maybe you need to load the corresponding shared library?
    ValueError                                Traceback (most recent call last)
    <ipython-input-55-44717562f51d> in <module>
          1 # 现在可以直接调用下面的knn.nearest(p, 2)吗?
          2 # 答案是不行的,因为只include了头文件,knn.nearest函数是未定义的,如果调用将会报错
    ----> 3 knn.nearest(p, 2)
   
    ValueError: vector<Point> NearestNeighbors::nearest(Point, int k) =>
    ValueError: nullptr result where temporary expected
# 需要将包含该函数定义的动态库文件导入进来
# knn_lib.dll 为用MSVC编译的,可能是符号不一致,还是会报错,在linux下导入gcc编译的.so文件以后,是确定可行的
cppyy.load_library("knn_lib.dll")
# 此时应该输出正确的结果
knn.nearest(p, 2)

总结

  • cppyy生成的python 类可以很方便的修改函数实现等
  • 使用cppyy.include 与 cppyy.load_libraries来实现导入c++模块
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,546评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,224评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,911评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,737评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,753评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,598评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,338评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,249评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,696评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,888评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,013评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,731评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,348评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,929评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,048评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,203评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,960评论 2 355

推荐阅读更多精彩内容