这展示了一个用Cython包装C ++ dll的简单例子。它将涵盖以下主要步骤：
使用Visual Studio使用C ++创建示例DLL。
用Cython包裹DLL，以便可以在Python中调用它。
假定您已安装Cython，并可以在Python中成功导入它。
对于DLL步骤，还假定您熟悉在Visual Studio中创建DLL。
完整的示例包括以下文件的创建：
complexFunLib.h：C ++ DLL源的头文件
complexFunLib.cpp：C ++ DLL源的CPP文件
ccomplexFunLib.pxd：Cython“头文件”
complexFunLib.pyx：Cython“包装器”文件
setup.py：complexFunLib.pyd使用Cython创建的Python安装文件
run.py：导入已编译的Cython包装的DLL的示例Python文件
如果您已经有了DLL和标头源文件，请跳过此步骤。首先，我们创建C ++源，使用Visual Studio从中编译DLL。在这种情况下，我们要使用复杂的指数函数进行快速数组计算。以下两个函数对数组and进行计算，结果存储在中。有两种功能可同时满足单精度和双精度。请注意，这些示例函数使用OpenMP，因此请确保在项目的Visual Studio选项中启用了OpenMP。k*exp(ee)keeres
H档
// Avoids C++ name mangling with extern "C" #define EXTERN_DLL_EXPORT extern "C" __declspec(dllexport) #include <complex> #include <stdlib.h> // 处理64位复数，即两个32位（4字节）浮点数 EXTERN_DLL_EXPORT void mp_mlt_exp_c4(std::complex<float>* k, std::complex<float>* ee, int sz, std::complex<float>* res, int threads); // 处理128位复数，即两个64位（8字节）浮点数 EXTERN_DLL_EXPORT void mp_mlt_exp_c8(std::complex<double>* k, std::complex<double>* ee, int sz, std::complex<double>* res, int threads);
CPP文件
#include "stdafx.h"
#include <stdio.h>
#include <omp.h>
#include "complexFunLib.h"
void mp_mlt_exp_c4(std::complex<float>* k,
std::complex<float>* ee,
int sz,
std::complex<float>* res,
int threads)
{
// 使用Open MP并行指令进行多处理
#pragma omp并行num_threads（线程）
{
#编译指示
for (int i = 0; i < sz; i++) res[i] = k[i] * exp(ee[i]);
}
}
void mp_mlt_exp_c8(std::complex<double>* k,
std::complex<double>* ee,
int sz, std::complex<double>* res,
int threads)
{
// 使用Open MP并行指令进行多处理
#pragma omp并行num_threads（线程）
{
#编译指示
for (int i = 0; i < sz; i++) res[i] = k[i] * exp(ee[i]);
}
}接下来，我们创建包装C ++ DLL所需的Cython源文件。在此步骤中，我们进行以下假设：
您已经安装了Cython
您拥有一个有效的DLL，例如上述的DLL
最终目标是创建将这些Cython源文件与原始DLL结合使用，以编译.pyd可作为Python模块导入并公开用C ++编写的函数的文件。
PXD文件
该文件对应于C ++头文件。在大多数情况下，您可以通过Cython特定的较小更改将标头复制粘贴到此文件中。在这种情况下，使用了特定的Cython复合体类型。请注意c在开头添加ccomplexFunLib.pxd。这不是必需的，但是我们发现这样的命名约定有助于维护组织。
cdef extern from "complexFunLib.h": void mp_mlt_exp_c4(float complex* k, float complex* ee, int sz, float complex* res, int threads); void mp_mlt_exp_c8(double complex* k, double complex* ee, int sz, double complex* res, int threads);
PYX文件
该文件对应于C ++cpp源文件。在此示例中，我们将指向Numpyndarray对象的指针传递给导入DLL函数。也可以将内置的Cythonmemoryview对象用于数组，但是其性能可能不如ndarray对象（但是语法明显更清晰）。
cimport ccomplexFunLib # Import the pxd "header" # 对于Numpy导入，请注意，C导入大多数在Python导入之后 import numpy as np # 导入Python Numpy cimport numpy as np # 导入C块 # 从Python和C stdlib导入一些功能 fromcpython.pycapsulecimport * # Python包装函数。 # 请注意，可以在签名中添加类型 def mp_exp_c4(np.ndarray[np.complex64_t, ndim=1] k, np.ndarray[np.complex64_t, ndim=1] ee, int sz, np.ndarray[np.complex64_t, ndim=1] res, int threads): ''' TODO: Python docstring ''' # 在参数上调用导入的DLL函数。 # 注意，我们正在传递一个指向每个数组中第一个元素的指针 ccomplexFunLib.mp_mlt_exp_c4(&k[0], &ee[0], sz, &res[0], threads) def mp_exp_c8(np.ndarray[np.complex128_t, ndim=1] k, np.ndarray[np.complex128_t, ndim=1] ee, int sz, np.ndarray[np.complex128_t, ndim=1] res, int threads): ''' TODO: Python docstring ''' ccomplexFunLib.mp_mlt_exp_c8(&k[0], &ee[0], sz, &res[0], threads)
setup.py
该文件是执行Cython编译的Python文件。其目的是生成编译后的.pyd文件，然后可以由Python模块将其导入。在这个例子中，我们一直所需的所有文件（即complexFunLib.h，complexFunLib.dll，ccomplexFunLib.pxd和complexFunLib.pyx）在同一目录中setup.py。
创建此文件后，应使用以下参数从命令行运行该文件： build_ext --inplace
一旦执行了该文件，它应产生一个.pyd文件而不会引起任何错误。请注意，在某些情况下，如果有错误，.pyd可能会创建，但无效。setup.py使用生成的之前，请确保在执行时不会抛出任何错误.pyd。
fromdistutils.coreimport setup
fromdistutils.extensionimport Extension
fromCython.Distutilsimport build_ext
import numpy as np
ext_modules = [
Extension('complexFunLib',
['complexFunLib.pyx'],
# 请注意，此处指定了C ++语言
# 默认语言是C
language="c++",
libraries=['complexFunLib'],
library_dirs=['.'])
]
setup(
name = 'complexFunLib',
cmdclass = {'build_ext': build_ext},
ext_modules = ext_modules,
include_dirs=[np.get_include()] # 这将获取所有必需的Numpy核心文件
)运行
现在complexFunLib可以直接导入到Python模块中，并调用包装的DLL函数。
import complexFunLib import numpy as np # 创建要求幂的非平凡复数数组， # 即res = k * exp(ee) k = np.ones(int(2.5e5), dtype='complex64')*1.1234 + np.complex64(1.1234j) ee = np.ones(int(2.5e5), dtype='complex64')*1.1234 + np.complex64(1.1234j) sz =k.size # 获取大小整数 res = np.zeros(int(2.5e5), dtype='complex64') # 创建结果数组 # 通话功能 complexFunLib.mp_exp_c4(k, ee, sz, res, 8) # 打印结果 print(res)