将python嵌入到fortran 90中

我已经开发了这个图书馆 Forpy 它允许你在 Fortran 中使用 Python（嵌入）。 它使用 Fortran C 互操作性来调用 Python C API 函数。

虽然我同意扩展（在Python中使用Fortran）往往是更好的，但嵌入也有其用途。

除了嵌入， Forpy 还支持扩展Python。 通过 Forpy ，你可以完全用Fortran编写一个Python扩展模块。 与现有的工具如 f2py 相比，它的优势在于你可以使用Python数据类型 (例如，编写一个以Python list为参数的函数或一个返回Python dict的函数)。

与现有的，可能是遗留的Fortran代码一起工作通常是非常有挑战性的，我认为开发者应该有工具来嵌入和扩展Python。 我认为开发者应该有工具来嵌入和扩展 Python。

1. Don't do it

我知道你想在Fortan程序中加入Python代码，而不是让Python程序带有Fortran扩展。我的第一个建议是不要这样做。Fortran在数组运算方面比Python快，但Python比Fortran更容易编写，用OOP技术扩展Python代码更容易，而且Python可能会访问对你很重要的库。你提到在Fortran中有一个超级优化的主循环；Fortran对于超级优化的 inner 循环。在Python程序中用Numpy传递一个Fortran数组的逻辑比你在Fortran中正确处理一个Python对象所要做的要简单得多。

当我从头开始一个科学计算项目时，我总是先用Python写，找出性能瓶颈，然后将其翻译成Fortran。能够针对经过验证的Python代码测试更快的Fortran代码，可以更容易地证明代码的工作是正确的。

由于你有现有的代码，用Fortran制作的模块来扩展Python代码将需要重构，但这个过程应该是很简单的。将初始化代码从主循环中分离出来，将循环分解成逻辑片段，将这些例程分别包裹在一个Python函数中，然后你的主Python代码可以调用Fortran子程序，并酌情将这些子程序与Python函数交错。在这个过程中，你也许可以保留你在Fortran中的主循环中的很多优化。F2PY是一个相当标准的工具，所以找到能够帮助你解决任何问题的人并不难。

2. System calls

如果你绝对要让Fortran代码调用Python代码，而不是反过来，最简单的方法是让Fortran代码写一些数据到磁盘，然后用 SYSTEM 或 EXECUTE_COMMAND_LINE 运行Python代码。如果你使用 EXECUTE_COMMAND_LINE ，你可以让Python代码将其结果输出到stdout，Fortran代码可以将其作为字符数据读取；如果你有大量的输出(例如，一个大的矩阵)，Python代码输出一个文件，然后由Fortran代码读取会更合理。磁盘读/写的开销可能会非常大。另外，你必须写Fortran代码来输出你的数据，Python代码来读取它，Python代码再次输出它，Fortran代码重新输入数据。这段代码的编写和测试应该很简单，但是在你编辑代码时保持这四个部分的同步可能会变成一个令人头痛的问题。

(这种方法在 这个Stack Overflow问题 )

3. Embedding Python in C in Fortran

据我所知，没有办法直接将内存中的 Python 对象传递给 Fortran。然而，Fortran 代码可以调用 C 代码，而 C 代码可以将 Python 嵌入其中。(见 关于扩展和嵌入的 Python 教程 .)一般来说，扩展 Python (就像我在第 1 点中建议的那样) 比把它嵌入 C/C++ 中要好。(见 Extending Vs. Embedding: There is Only One Correct Decision .)要想让它工作将是一场噩梦，因为Python和Fortran之间的任何通信问题都可能发生在Python和C之间，或者C和Fortran之间。我不知道是否有人真的将Python嵌入到C的Fortran中，因此获得帮助会很困难。

如果你要在 Fortran 中嵌入 Python，你必须通过 Fortran 的 C 接口来实现；这就是 ISO_C_BINDING 的作用。我想提醒大家不要嵌入 Python，不是因为这样做的技术难度，而是因为 Python (语言或社区) 似乎坚决反对把 Python 作为附属语言使用。普遍的观点是，无论你目前用什么非Python语言编写的代码，都应该被分解成库，用来扩展Python，而不是反过来。所以你会看到（就像这里）更多的回应，试图说服你，你真的不想要做你的事情 实际上 想做的事，而不是实际的技术援助。

这不是煽动，也不是社论，更不是做道德判断；这只是一个简单的事实陈述。如果你试图嵌入 Python，你将不会从 Python 社区得到帮助。

如果你所需要的功能超出了Fortran语言本身所支持的范围（例如文件系统操作） 和 你并不特别需要Python 和 you want a language more expressive than C, you may want to look at embedding Lua instead. Unlike Python, Lua is specifically meant to be embedded so you are likely to face much less social 和 technical resistance.

有一些项目是 integrate Fortran 和 Lua ，迄今为止，我所看到的最完整的一个是 Aotus . The author is very responsive 和 the integration process is simple.

Admittedly, this does not answer the original question (how to embed a Python interpreter in a Fortran 90 application) but to be fair, none of the other responses do either. I use Python as my portable general-purpose language of choice these days 和 I'd really prefer to stick with it when extending our primary products (written in Fortran). For the reasons laid out above, I ab和oned my attempts to embed Python 和 switched to embedding Lua; for social reasons, I feel Lua is a much better technical choice. It's not my first choice but it's workable, at least in my case.

如果我冒犯了任何人，请原谅；我不是要挑起争端，只是在研究这个特定的主题时，介绍我的经验。

我已经尝试了几种方法来解决这个问题，我已经找到了一种可能是最佳的方法。我将简要地列出这些方法和结果。

1) 通过系统调用进行嵌入。每当我们想从fortran访问python时，我们就使用系统调用来执行一些python脚本，并在它们之间交换数据。这种方法的速度受到磁盘读、写的限制（在这个对代码进行缓存级优化的时代，进入磁盘是一种致命的错误）。另外，我们每次要执行脚本时都需要初始化解释器，这也是一笔不小的开销。一个简单的Runge Kutta四阶方法运行了300个时间步数，执行时间高达59秒。

2) 通过C从Fortran到Python：我们使用ISO_C绑定在Fortran和C之间进行通信；我们在C中嵌入Python解释器。不过为了完整起见，我还是想评估一下。

3) 使用f2py将Fortran子程序导入Python（扩展）。 在这里，我们将主循环从Fortran中取出，并在Python中编码（这种方法被称为用Fortran扩展Python）；我们用f2py将所有Fortran子程序导入Python ( http://cens.ioc.ee/projects/f2py2e/usersguide/ ).我们可以灵活地将任何科学应用中最重要的数据，即最外层的循环（一般是时间循环）放在Python中，这样我们就可以将其与其他应用结合起来。但是，我们也有一个缺点，就是必须在Fortran和Python之间交换可能超过需要的数据。同样的Runge Kutta四阶方法例子的执行时间为0.372秒。

4) 通过扩展模仿嵌入。 到目前为止，我们已经看到了Embedding（主循环停留在fortran中，我们根据需要调用python）和Extending（主循环停留在python中，我们根据需要调用fortran）这两种纯方法。还有一种方法，我发现它是最理想的。将主循环的部分内容转移到Python中会导致开销，这可能不是一直都需要的。为了摆脱这种开销，我们可以保留 Fortran 中的主循环，它被转换成一个子程序，不做任何改动，在 Python 中有一个伪主循环，它只是调用 Fortran 中的主循环，程序的执行就像我们未经处理的 Fortran 程序。每当需要时，我们可以使用回调函数，带着所需的数据回到Python，执行一个脚本，然后再回到Fortran。在这种方法中，Runge Kutta四阶方法花了0.083秒。我对代码进行了剖析，发现python解释器的初始化和加载花了0.075秒，程序只花了0.008秒（其中包括对python的300个回调函数）。而原来的fortran代码则需要0.007秒。因此，使用这种方法，我们几乎可以得到类似Fortran的性能和类似python的灵活性。

有一个非常简单的方法可以使用 f2py 来做到这一点。编写你的Python方法并将其作为输入添加到你的Fortran子程序中。在 cf2py 钩子和类型声明中都声明为 EXTERNAL ，并声明其返回值类型，例如： REAL*8 。然后，你的Fortran代码将有一个指向存储python方法的地址的指针。这将是很慢的，但对于测试算法来说，它是很有用的。我经常这样做（我把很多古老的意大利语Fortran移植到python模块中......），这也是在传统Fortran中使用优化的Scipy调用的一个好方法

我刚刚成功地将Python嵌入到我们内部的~500 KLOC Fortran程序中，并使用了 cffi .一个重要的方面是不要碰现有的代码。该程序是用Fortran 95编写的。我使用 iso_c_binding 模块写了一个薄薄的2003包装器，它只是从各种模块中导入数据，获得这些数据的C指针和/或将Fortran类型包装成C结构，将所有东西放入一个类型/结构中，并发送给一个C函数。这个 C 函数恰好是一个用 cffi 包装的 Python 函数。它把C结构解压成一个更方便的Python对象，把Fortran数组包装成Numpy数组（没有复制），然后根据用户的配置，落入一个交互式Python控制台或运行一个Python脚本。除了一个头文件，不需要写C代码。显然有一些开销，但这个功能是为了扩展，而不是为了性能。

我建议不要使用f2py。它没有得到很好的维护，严重限制了你的Fortran代码的公共接口。