Python scipy.weave 和 STANN C++ 库答案

【问题标题】：Python scipy.weave and STANN C++ LibraryPython scipy.weave 和 STANN C++ 库
【发布时间】：2010-06-30 03:25:09
【问题描述】：

我正在尝试使用 scipy.weave 在 Python 中构建一个快速的最小生成树程序。不幸的是，将 scipy.weave 与我发现的 C++ 库 STANN 一起使用比我想象的要困难得多。这是 STANN 库的链接：http://sites.google.com/a/compgeom.com/stann/

下面是我编写的带有 scipy.weave 脚本的 Python。

import scipy.weave as weave
from scipy.weave import inline
import numpy

def gmst(points):
    # computing GMST with STANN headers
    assert(type(points) == type(numpy.array([])))

    # now the c++ code
    code = """
        using namespace std;
        typedef reviver::dpoint<double,2> Point;

        typedef vector<Point>::size_type stype;
        vector< std::pair<stype,stype> > outputmst;
        PyArrayObject *py_val

        gmst(points,outputmst);
        return_val = outputmst;
        """

     return inline(code,['points'], 
        headers = ["<iostream>","<gmst.hpp>","<dpoint.hpp>","<test.hpp>"],
        include_dirs=["/home/tree/usr/STANN/include"])

到目前为止，编织工作还没有运气。任何想法为什么我遇到问题？谢谢您的帮助。

干杯

【问题讨论】：

不是您的问题，而是您的图表有多大/有多密集？（我使用一个简单的纯 python MST，sort + Kruskal + unionfind；大部分时间都在排序中。）
我通常处理 300 到 30,000 个节点。有时更大。但是 MST 需要计算很多次才能进行投影分析（3D 数据）。刚刚找到了一种在 Python 中使用 networkx 和 matplotlib.delaunay 编写 MST 程序的方法，可以在大约 5 秒内计算 50,000 个源的 MST。现在已经足够快了。

标签： c++ python numpy scipy

【解决方案1】：

用 weave 包装外部代码是一件脆弱而棘手的事情。你应该看看Cython——它在这类东西上很棒。

【讨论】：

我会看看 Cython。谢谢推荐。