我的网站运行这个Python脚本,如果使用Cython,它将更加优化.最近我需要添加Sympy with Lambdify,这对Cython来说并不顺利.

所以我将问题剥离到最小的工作示例.在代码中,我有一个包含字符串键的字典,其值为列表.我想将这些键用作变量.在下面的简化示例中,只有1个变量,但通常我需要更多.请检查以下示例：

import numpy as np
from sympy.parsing.sympy_parser import parse_expr
from sympy.utilities.lambdify import lambdify, implemented_function
from sympy import S, Symbol
from sympy.utilities.autowrap import ufuncify


def CreateMagneticFieldsList(dataToSave,equationString,DSList):

    expression  = S(equationString)
    numOfElements = len(dataToSave["MagneticFields"])

    #initialize the magnetic field output array
    magFieldsArray    = np.empty(numOfElements)
    magFieldsArray[:] = np.NaN

    lam_f = lambdify(tuple(DSList),expression,modules='numpy')
    try:
        # pass
        for i in range(numOfElements):
            replacementList = np.zeros(len(DSList))


            for j in range(len(DSList)):
                replacementList[j] = dataToSave[DSList[j]][i]

            try:
                val = np.double(lam_f(*replacementList))

            except:
                val = np.nan
            magFieldsArray[i] = val
    except:
        print("Error while evaluating the magnetic field expression")
    return magFieldsArray


list={"MagneticFields":[1,2,3,4,5]}

out=CreateMagneticFieldsList(list,"MagneticFields*5.1",["MagneticFields"])

print(out)

我们称之为test.py.这非常有效.现在我想对此进行cythonize,所以我使用以下脚本：

#!/bin/bash

cython --embed -o test.c test.py
gcc -pthread -fPIC -fwrapv -Ofast -Wall -L/lib/x86_64-linux-gnu/ -lpython3.4m -I/usr/include/python3.4 -o test.exe test.c

现在,如果我执行./test.exe,它会抛出异常！这是例外：

Traceback (most recent call last):
  File "test.py", line 42, in init test (test.c:1811)
    out=CreateMagneticFieldsList(list,"MagneticFields*5.1",["MagneticFields"])
  File "test.py", line 19, in test.CreateMagneticFieldsList (test.c:1036)
    lam_f = lambdify(tuple(DSList),expression,modules='numpy')
  File "/usr/local/lib/python3.4/dist-packages/sympy/utilities/lambdify.py", line 363, in lambdify
    callers_local_vars = inspect.currentframe().f_back.f_locals.items()
AttributeError: 'NoneType' object has no attribute 'f_locals'

所以问题是：如何让lambdify与Cython一起工作？

注意：我想指出我有Debian Jessie,这就是我使用Python 3.4的原因.另外我想指出,在不使用lambdify时,我对Cython没有任何问题.另外我想指出Cython是用pip3安装cython –upgrade更新到最后一个版本的.

解决方法:

对于真正的问题(在评论和@jjhakala的答案中确定),Cython不会为编译函数生成完整的回溯/内省信息.我从你的评论中收集到你希望保留大部分程序用Cython编译,以加快速度.

“解决方案”是将Python解释器仅用于需要调用lambdify并将其余部分留在Cython中的单个函数.你可以使用exec来做到这一点.

这个想法的一个非常简单的例子是

exec("""
def f(func_to_call):
    return func_to_call()""")

# a Cython compiled version    
def f2(func_to_call):
    return func_to_call())

这可以编译为Cython模块并导入,并在导入时,Python解释器运行字符串中的代码,并正确地将f添加到模块全局变量.如果我们创建一个纯Python函数

def g():
    return inspect.currentframe().f_back.f_locals

调用cython_module.f(g)给我一个字典,其中包含键func_to_call(正如预期的那样),而cython_module.f2(g)给了我__main__模块全局变量(但这是因为我是从解释器运行而不是使用–embed) .

编辑：完整示例,基于您的代码

from sympy import S, lambdify # I'm assuming "S" comes from sympy
import numpy as np

CreateMagneticFieldsList = None # stops a compile error about CreateMagneticFieldsList being undefined

exec("""def CreateMagneticFieldsList(dataToSave,equationString,DSList):

    expression  = S(equationString)
    numOfElements = len(dataToSave["MagneticFields"])

    #initialize the magnetic field output array
    magFieldsArray    = np.empty(numOfElements)
    magFieldsArray[:] = np.NaN

    lam_f = lambdify(tuple(DSList),expression,modules='numpy')
    try:
        # pass
        for i in range(numOfElements):
            replacementList = np.zeros(len(DSList))


            for j in range(len(DSList)):
                replacementList[j] = dataToSave[DSList[j]][i]

            try:
                val = np.double(lam_f(*replacementList))

            except:
                val = np.nan
            magFieldsArray[i] = val
    except:
        print("Error while evaluating the magnetic field expression")
    return magFieldsArray""")


list={"MagneticFields":[1,2,3,4,5]}

out=CreateMagneticFieldsList(list,"MagneticFields*5.1",["MagneticFields"])
print(out)

使用脚本编译时会打印出来

[ 5.1 10.2 15.3 20.4 25.5 ]

基本上我所做的全部是将你的函数包装在一个exec语句中,所以它由Python解释器执行.这部分不会看到Cython的任何好处,但是你的程序的其余部分仍然会.如果你想最大化用Cython编译的数量,你可以把它分成多个函数,这样只有包含lambdify的小部分在exec中.