目录
上篇文章windows下python利用f2py调用Fortran我记录了利用numpy中的f2py调用fortran的方法，本文再介绍下在windows环境下，利用ctypeslib和ctypes调用fortran所踩过的坑。
基本的环境搭建参考上篇文章，这里就不再赘述，即安装好mingw-w64编译环境。
参考了博客园pasuka大神的文章Python调用C/Fortran混合的动态链接库-下篇，在ubuntu18.04环境下测试成功，但在windows下编译能成功，调用时却出了问题！
1、ubuntu18.04环境
ctypes2d_array_test.f90
module py2f90
use,intrinsic::iso_c_binding
implicit none
contains
subroutine transferMat2For(matrix,n1,n2)bind(c,name='array2py')
implicit none
integer(c_int),intent(in),value::n1,n2
real(c_float),intent(out)::matrix(n1,n2)
integer::i,j
! initialize matrix
matrix = 0.0E0
! loop
do i=1,n1
do j=1,n2
matrix(i,j) = real(i,4)*1.E1+real(j,4)*2.E0
write(*,"('Row:',i4,1x,'Col:',i4,1x,'Value:',1x,F5.2)")i,j,matrix(i,j)
enddo
enddo
return
end subroutine
end module
program test
use py2f90
implicit none
real(kind=4)::aa(4,5)
call transferMat2For(aa,4,5)
end programpy2f90_test.py
#! /usr/bin/env python
#coding=utf-8
import numpy as np
from numpy.ctypeslib import load_library,ndpointer
from ctypes import c_int
# shape of 2d array
n1,n2 = 2,4+1
# create an empty 2d array
data = np.empty(shape=(n1,n2),dtype='f4',order='f')
flib = load_library("test","./")
flib.argtypes = [ndpointer(dtype='f4',ndim=2),c_int,c_int]
flib.array2py(data.ctypes.data,n1,n2)
print("*"*80)
print(data)用gfortran编译：
gfortran ctypes2d_array_test.f90 -fPIC -shared -o test.so在ubuntu下运行正常：
2、win10环境
在win10环境下，编译指令：
gfortran py2f90.f90 -fPIC -shared -g -o test_mat.dll -fno-underscoring编译能成功，但调用时出错：
错误定位到了第14行，flib.array2py(data.ctypes.data, n1, n2)这句，提示int too long to convert
但明明python3中，int是没有大小上限的，那为啥还会出现溢出错误呢？原因是fortran里的整数类型会出现溢出，其实我们的目的只是想把data这个numpy数组的首地址传递到fortran编写的array2py函数，这时可以用到ndarray.ctypes.data_as方法替换ndarray.ctypes.data属性，将py2f90_test.py代码做一些更改如下：
#coding=utf-8
from sys import flags
import numpy as np
from numpy.ctypeslib import load_library,ndpointer
from ctypes import c_int,POINTER,c_float
# shape of 2d array
n1,n2 = 2,4+1
# create an empty 2d array
data = np.empty(shape=(n1,n2),dtype='f4',order='f')
flib = load_library("test","./")
# flib.argtypes = [ndpointer(dtype='f4',ndim=2),c_int,c_int]
flib.argtypes = [POINTER(c_float),c_int,c_int]
print(data.ctypes.data_as(POINTER(c_float)))
print(data.ctypes.data)
flib.array2py(data.ctypes.data_as(POINTER(c_float)),n1,n2)
# flib.array2py(data.ctypes.data,n1,n2)
print("*"*80)
print(data)运行结果如下：
可见用ndarray.ctypes.data_as方法比用ndarray.ctypes.data属性代码健壮性更好，既可以在linux下运行，也能在windows下运行，另外ndpointer和POINTER对代码的运行没什么影响，但ndpointer使用起来更灵活，因为既可以指定数组的返回值类型，也可以指定维度，更方便代码理解。
3、参考文章
Python调用C/Fortran混合的动态链接库-下篇https://www.cnblogs.com/pasuka/p/4012508.html