- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试了解 F2PY 的工作原理。为此,我编写了一个简单的 Fortran 函数,它将数组作为输入并返回数组元素的总和。
我编写了相同函数的三个不同版本,我希望它们具有相同的结果:
function rsum(arr)
real, dimension(:), intent(in) :: arr
real :: rsum
rsum=sum(arr)
end function rsum
function rsum1(arr)
real(8), dimension(:), intent(in) :: arr
real(8) :: rsum1
rsum1=sum(arr)
end function rsum1
function rsum2(arr) result(s)
real, dimension(:), intent(in) :: arr
real :: s
s=sum(arr)
end function rsum2
function rsum3(arr) result(s)
real(8), dimension(:), intent(in) :: arr
real(8) :: s
s=sum(arr)
end function rsum3
我用来测试这些功能的 python 脚本如下:
from numpy import *
import ftest as f
a=array(range(3))
print(f.rsum(a))
print(f.rsum1(a))
print(f.rsum2(a))
print(f.rsum3(a))
但结果是这样的:
3.0
0.0
3.0
3.0
所有结果都是正确的,除了 rsum1
是 0.0
。我发现更奇怪的是 rsum3
,我只是更改了函数结果的名称(或者,至少,我认为我正在这样做),它工作得很好!
我知道这与Fortran和numpy之间的类型转换有关,但我不明白是什么问题。
PS:最近才学Fortran。
最佳答案
问题的根本原因与在您的函数中使用假定形状伪参数(即 arr
)有关。 Fortran 要求此类函数具有显式接口(interface)。 @VladimirF 对您的(相关?)问题给出了很好的答案 here仅此而已,表明首选解决方案是将功能放在模块中。假设包含函数的代码 list 保存在名为 funcs.f90
的文件中,您可以简单地将它们放入模块中,例如名为 mod_funcs.f90
,如下所示:
module mod_funcs
implicit none
contains
include "funcs.f90"
end module mod_funcs
用 F2PY python -m numpy.f2py -m ftest -c mod_funcs.f90
包装它,将 python 测试脚本中的 import 语句更新为 from ftest import mod_funcs as f
code> 然后运行它得到预期的结果:
3.0
3.0
3.0
3.0
F2PY 将 Fortran function
包装在 subroutine
中。为了以符合 Fortran 标准的方式支持假设形状数组,F2PY 创建的子例程包装器包含用于用户定义函数的 interface
,这些函数具有假设形状虚拟参数。在使用 F2PY 包装时,您可以通过使用 --build-dir
标志指定构建目录来查看这些包装器,例如像这样:
python -m numpy.f2py --build-dir .\build -m ftest -c funcs.f90
查看为有问题的函数创建的包装器 rsum1
正在揭示(我正在逐字复制 ftest-f2pywrappers.f
保持 F2PY 的缩进):
subroutine f2pywraprsum1 (rsum1f2pywrap, arr, f2py_arr_d0)
integer f2py_arr_d0
real(8) arr(f2py_arr_d0)
real(8) rsum1f2pywrap
interface
function rsum1(arr)
real(8), dimension(:),intent(in) :: arr
end function rsum1
end interface
rsum1f2pywrap = rsum1(arr)
end
请注意,由于 implicit data typing rules , rsum1
的interface
意味着一个具有real
数据类型的函数,不是 real(8)
符合预期 - 因此接口(interface)中存在数据类型不匹配!这解释了为什么在您的原始示例中具有显式 result
语句 (rsum3
) 的看似相同的函数返回正确的结果,其结果具有正确的数据类型。幸运的是你的函数命名,rsum
有正确的接口(interface)。如果您将 rsum
的名称更改为例如isum
,其 F2PY 子程序包装器接口(interface)中的隐式数据类型化规则将暗示它有一个 integer
结果,您将从您的(修改以反射(reflect)名称从 fsum
更改为 isum
) python 脚本:
0.0
0.0
3.0
3.0
所以在我看来,F2PY 如何为具有假定形状伪参数的函数创建接口(interface)(可以通过将这些函数直接放入模块或通过显式声明使用 result
的函数)。
为了完整起见,我使用的是 Python 3.6.3::Intel Corporation
、NumPy 1.14.3
和 GNU Fortran (GCC) 8.2.0
。
关于python - 使用 F2PY 在 numpy 数组上使用 Fortran 函数时结果不一致,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42791532/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!