如何从python/numpy调用java函数？ P>我清楚地知道如何用C++来扩展Python，但是如果我想用java编写一个函数来使用NUMPY呢？p>

下面是一个简单的场景：我想使用Java类计算numpy数组的平均值。如何将numpy向量传递给Java类并收集结果

---

谢谢你的帮助

我不确定numpy是否支持，但以下内容可能会有所帮助：

---

我花了一些时间回答我自己的问题，并想与大家分享我的答案，因为我觉得关于stackoverflow这个主题的信息不多。我还认为，由于Java性能的提高和其他良好的软件开发特性，Java将在科学计算中变得更加重要（例如，请参阅数据挖掘的WEKA软件包）

---

一般来说，使用正确的工具，用Java扩展Python要比用C/C++容易得多

---

概述和评估从Python调用Java的工具

• ：因为没有适当的理由 这个工具是无用的

• Py4J：需要在使用python之前启动Java进程。作为 其他人认为这是一个可能的失败点。此外，没有多少使用实例被记录在案

• 当前位置虽然发展似乎是死亡，但它运行良好，并且存在 web上的许多示例（例如，有关使用Java编写的数据挖掘库的信息，请参阅）。因此我决定集中精力 在这个工具上

在Fedora 16上安装JPype 我使用的是Fedora16，因为在Linux上安装JPype时存在一些问题，所以我描述了我的方法。 下载setup.py脚本，然后在第48行提供JDK路径，修改setup.py脚本：

self.javaHome = '/usr/java/default'

然后运行：

sudo python setup.py install

成功安装后，请检查此文件：

/usr/lib64/python2.7/site-packages/jpype//u linux.py

并将方法getDefaultJVMPath（）删除或重命名为getDefaultJVMPath_old（），然后添加以下方法：

def getDefaultJVMPath():
    return "/usr/java/default/jre/lib/amd64/server/libjvm.so"

替代方法：不要对上述文件_linux.py进行任何更改，但不要使用getDefaultJVMPath（）方法（或调用此方法的方法）。在使用getDefaultJVMPath（）的地方，直接提供到JVM的路径。请注意，有几个路径，例如在我的系统中，我也有以下路径，指的是JVM的不同版本（我不清楚客户机JVM还是服务器JVM更适合）：

• /usr/lib/jvm/java-1.5.0-gcj-1.5.0.0/jre/lib/x86_64/client/libjvm.so
• /usr/lib/jvm/java-1.5.0-gcj-1.5.0.0/jre/lib/x86_64/server/libjvm.so
• /usr/lib/jvm/java-1.6.0-openjdk-1.6.0.0.x86_64/jre/lib/amd64/server/libjvm.so

最后，将以下行添加到~/.bashrc中（或者在每次打开python解释器之前运行它）：

（上面的目录实际上只是我上一个JDK版本的符号链接，位于/usr/java/jdk1.7.004）

请注意，下载JPype的目录中的所有测试，即JPype-0.5.4.2/test/testsuite.py，都将失败（因此不必关心它们）

要查看它是否有效，请在python中测试此脚本：

import jpype 
jvmPath = jpype.getDefaultJVMPath() 
jpype.startJVM(jvmPath)
# print a random text using a Java class
jpype.java.lang.System.out.println ('Berlusconi likes women') 
jpype.shutdownJVM() 

还使用Numpy从Java调用Java类 让我们开始实现一个Java类，其中包含一些我想应用于numpy数组的函数。因为没有状态的概念，所以我使用静态函数，所以我不需要创建任何Java对象（创建Java对象不会改变任何东西）

---

我认为Jython是最好的选项之一，这使得它在Python中使用java对象变得无缝。实际上，我将weka与python程序集成在一起，非常简单。只需导入weka类并在python代码中调用它们，就像在java中那样

---

看看，我不是真的在寻找克隆，因为我有很多numpy代码，我觉得numpy非常好。这是一个很小的问题，没有直接的方法将numpy与Java结合使用……Java代码库的大小是否足够大，以至于您无法在Cython中重新编写对性能敏感的部分，并在其余部分使用numpy/python？这更是一个战略决策，我现在没有很多Java代码。很多人使用C++进行科学计算，但我觉得java将来可能取代C++。因此理想的Python／NoMyb应该能够同时使用C++和java类（如Matlab）。如果垃圾收集确实是个问题，那么就可以用C++来扩展Python，否则java将更好地看到在科学界广泛使用java的任何趋势，而且，听起来好像没有很多代码要转换，它最好使用Cython这样的工具。而不是用Java踏入未知和不受支持的水域。战略决策更可能是使用当今可用技术的务实决策。这可能会有所帮助，但我希望在一些使用更高级包装器的逐步说明中有所帮助。理论上，1）应该调用C++的java，然后2）从Python调用C++。此外，JCC的文档很可怕（或者我应该说不存在），我没有得到任何线索来说明如何使用它……是的，我知道。但是jython的问题是，不幸的是，它不支持numpy以及许多其他用于科学计算的python库。

import jpype 
jvmPath = jpype.getDefaultJVMPath() 
jpype.startJVM(jvmPath)
# print a random text using a Java class
jpype.java.lang.System.out.println ('Berlusconi likes women') 
jpype.shutdownJVM() 

/**
 * Cookbook to pass numpy arrays to Java via Jpype
 * @author Mannaggia
 */

package test.java;

public class Average2 {

public static double compute_average(double[] the_array){
    // compute the average
    double result=0;
    int i;
    for (i=0;i<the_array.length;i++){
        result=result+the_array[i];
    }
    return result/the_array.length;
}
// multiplies array by a scalar
public static double[] multiply(double[] the_array, double factor) {

    int i;
    double[] the_result= new double[the_array.length];
    for (i=0;i<the_array.length;i++) {
        the_result[i]=the_array[i]*factor;
    }
    return the_result;
}

/**
 * Matrix multiplication. 
 */
public static double[][] mult_mat(double[][] mat1, double[][] mat2){
    // find sizes
    int n1=mat1.length;
    int n2=mat2.length;
    int m1=mat1[0].length;
    int m2=mat2[0].length;
    // check that we can multiply
    if (n2 !=m1) {
        //System.err.println("Error: The number of columns of the first argument must equal the number of rows of the second");
        //return null;
        throw new IllegalArgumentException("Error: The number of columns of the first argument must equal the number of rows of the second");
    }
    // if we can, then multiply
    double[][] the_results=new double[n1][m2];
    int i,j,k;
    for (i=0;i<n1;i++){
        for (j=0;j<m2;j++){
            // initialize
            the_results[i][j]=0;
            for (k=0;k<m1;k++) {
                the_results[i][j]=the_results[i][j]+mat1[i][k]*mat2[k][j];
            }
        }
    }
    return the_results;
}

/**
 * @param args
 */
public static void main(String[] args) {
    // test case
    double an_array[]={1.0, 2.0,3.0,4.0};
    double res=Average2.compute_average(an_array);
    System.out.println("Average is =" + res);
}
}

import numpy as np
import jpype

jvmPath = jpype.getDefaultJVMPath() 
# we to specify the classpath used by the JVM
classpath='/home/mannaggia/workspace/TestJava/bin'
jpype.startJVM(jvmPath,'-Djava.class.path=%s' % classpath)

# numpy array
the_array=np.array([1.1, 2.3, 4, 6,7])
# build a JArray, not that we need to specify the Java double type using the jpype.JDouble wrapper
the_jarray2=jpype.JArray(jpype.JDouble, the_array.ndim)(the_array.tolist())
Class_average2=testPkg.Average2 
res2=Class_average2.compute_average(the_jarray2)
np.abs(np.average(the_array)-res2) # ok perfect match! 

# now try to multiply an array
res3=Class_average2.multiply(the_jarray2,jpype.JDouble(3))
# convert to numpy array
res4=np.array(res3) #ok

# matrix multiplication
the_mat1=np.array([[1,2,3], [4,5,6], [7,8,9]],dtype=float)
#the_mat2=np.array([[1,0,0], [0,1,0], [0,0,1]],dtype=float)
the_mat2=np.array([[1], [1], [1]],dtype=float)
the_mat3=np.array([[1, 2, 3]],dtype=float)

the_jmat1=jpype.JArray(jpype.JDouble, the_mat1.ndim)(the_mat1.tolist())
the_jmat2=jpype.JArray(jpype.JDouble, the_mat2.ndim)(the_mat2.tolist())
res5=Class_average2.mult_mat(the_jmat1,the_jmat2)
res6=np.array(res5) #ok

# other test
the_jmat3=jpype.JArray(jpype.JDouble, the_mat3.ndim)(the_mat3.tolist())
res7=Class_average2.mult_mat(the_jmat3,the_jmat2)
res8=np.array(res7)
res9=Class_average2.mult_mat(the_jmat2,the_jmat3)
res10=np.array(res9)

# test error due to invalid matrix multiplication
the_mat4=np.array([[1], [2]],dtype=float)
the_jmat4=jpype.JArray(jpype.JDouble, the_mat4.ndim)(the_mat4.tolist())
res11=Class_average2.mult_mat(the_jmat1,the_jmat4)

jpype.java.lang.System.out.println ('Goodbye!') 
jpype.shutdownJVM()