在Python中打包遗留Fortran。可以使用setuptools和numpy.distutils吗？

我正在尝试为我所在领域的一些流行Fortran代码制作python包分发版。我希望它使用一个

setup.py

文件的最标准方法。相关问题有助于学习

使用这种方法时，我注意到在混合

setuptools

和

numpy.distutils

时出现了一些令人困惑的行为。把这两者混在一起是不好的做法吗？截至2015年，似乎最好尽可能多地使用

setuptools

但是，我想以一种与

numpy兼容的方式构建
Fortran
扩展。

因此我想从

numpy.distutils

导入以获得

扩展

和

设置

我使用以下基本方法：

from setuptools.command.develop import develop
from numpy.distutils.core import Extension, setup

ext_modules=[Extension("my_package.fortran_mod", sources=['src/fortran_mod.f'])]

class MyDevelop(develop):
  def run(self):
    my_script()
    develop.run(self)

setup(
  ...
  ext_modules=ext_modules,
  cmdclass={'develop':MyDevelop})

这似乎有效，但我有问题

混合使用

setuptools

和

numpy.distribute

通常是一种好的做法吗

我进口它们的顺序重要吗？我是否应该始终首先导入

setuptools

是否有官方最新的教程，用于将扩展打包到

numpy

？甚至可能是一个有一些Fortran扩展的讨论

---

一些链接

这似乎有效，但我有问题

将setuptools和numpy.distribute混合使用通常是一种好的做法吗

我进口它们的顺序重要吗？我应该总是先导入setuptools吗

是否有一个官方的最新教程，用于将扩展打包到numpy？甚至可能是一个有一些Fortran扩展的讨论

您不需要再使用numpy.distribute了

^^没必要

特别是对于用numpy包装fortran代码，有一种流行的方法。然而，我个人认为必要的代码注释是多余的，因为好的fortran代码包含所有必要的信息

（警告：下面是个人项目插头）

---

最近发布的是cleaner，它在一个可理解且干净的界面中自动生成所有必要的包装代码。它支持Fortran90之前的版本，但最适合Fortran90及更高版本。它可以用来生成一个干净的发行版以及python代码接口（假设用户安装了gfortran）。

我不是编写Fortran代码的专家，但我对Cython很有经验。Scipy 2015中有一个关于成功包装Fortran代码的非常好的部分-我建议您看看！你所说的标准Python是什么意思<如果您希望能够将任务委托给本机代码并利用线程/多进程，则code>nogil非常重要。您的MPI示例是发布GIL的最佳时机@GIL与MPI有什么共同之处？MPI有单独的进程，所以锁不应该起作用。不过线程是不同的。与f2py相比，Cython允许您在Fortran代码中使用。因为f2py主要是为Fortran77代码构建的，所以它缺少很多Fortran90+功能，例如动态内存分配。有了Cython，您就有了更大的灵活性，因为您的Fortran和Cython代码可以使用iso_c_绑定彼此说话（几乎是本地的）。在前面的一些评论之后，我想为您的考虑提供另外两个选项。如果使用“旧”Fortran，则可以使用

ctypes

直接访问Fortran函数（只需注意函数名，根据编译器的不同，函数名后面会有下划线）。最近，我已经成为一个迷，它允许你从C++中写出整个Python模块，它的优点是古老的FORTRAN代码获得了一个现代的前端。个人项目插件不是问题，但是这个答案是。请您参考您在上述1,2,3中回答的问题，以便实际阅读此答案？