Python 从函数式语言访问numpy数组

我的主要语言是Python。通常，当我需要在一个麻木数组上做一些CPU重任务时，我使用ScPi.Weav.InLink来连接C++，并取得了很好的效果。 我怀疑许多算法（机器学习的东西）可以用函数式语言（scheme，haskell…）编写得更简单

---

我在想。是否可以从函数语言访问NUMPY数组数据（读写），而不必使用C++？

< p>，我无法想象通过Haskell或NoPy使用NoMPy比编写功能Python更容易。如果您想要功能更丰富的python，请尝试使用

itertools

和

functools

。

您可以看看如何使用某种共享内存数组。这一实施可能是一个良好的开端：

此实现旨在在python进程之间共享，但它使用命名共享内存来实现，因此您应该能够从任何其他进程访问相关的内存块

---

我对haskell还不太熟悉，因此无法在这方面给您提供任何建议，但我假设您可以在haskell中将指向共享内存缓冲区的指针用作某种数组…

如果您对使用的平台没有任何要求，您可以查看在CLI上运行的.NET和IronPython的Numpy实现。有了这个，你就可以使用F#作为函数式语言。NET上Numpy和Scipy的一些详细信息是和一个列表。

目前还没有从Python调用Haskell的单一标准方法。当然也有从C调用haskell的方法，这意味着在原则上调用haskell没有任何障碍——只是没有做过让这变得特别容易的工作

另一方面，如果您的数据结构本身并不庞大，那么将它们序列化到Haskell程序（通过命令行，或者使用客户机-服务器模型，例如thrift）是非常简单的，如果计算成本占主导地位，那么成本可能是最小的

最后，从Haskell调用Python非常容易！这方面的经典软件包是missingpy：

还有一个名为cpython的更新包，它试图更全面：

---

从概念上讲，我想，在Haskell中托管Python应用程序应该不是很难，而不是相反。

很抱歉投票失败，我理解这种情绪，但这是一个有效的问题，不管你是否同意动机，都应该得到一个实际的答案。这样的事情应该写在评论里，问题是速度。Python对于我运行的算法类型来说太慢了。在我的印象下，我可以写一个函数，比如Haskell，它运行得比C++快，甚至更快。如果有人想出一个方法来访问Haskell中的NoMPy或者是比优化Python代码更实用的方案，或者只是切换到一个不同的编程语言，我会感到震惊。我意识到它并没有直接回答这个问题，但我的答案仍然是“你采取了错误的方法”。不幸的是，Python（Cython或Ppyy）与C++代码竞争是不可能的。另外，完全切换到另一种语言也不起作用。我有很多需要处理的数据，Python非常适合处理这些数据（胶水语言等）。我已经有C++代码，我已经通过Python调用它。它足够快，并且与我的numpy阵列接口。我只是想知道是否可以使用函数语言而不是C++来做同样的事情，因为我怀疑算法在函数语言中会更干净。如果有任何混淆，很抱歉。我的意思是在内存中访问它，但是对于小数组/繁重的处理，可能足以将它从python保存到磁盘（或/dev/shm），在haskell中加载它，处理，保存到磁盘，从python加载。@janto-抱歉，我在您回复的同时删除了我的评论。。。回想起来，我觉得很明显你是想在内存中访问它。无论如何，正如我下面的回答详细阐述的那样，一种解决方案是为numpy数组使用共享内存缓冲区，然后从haskell（或其他）进程访问它。。。与weave等相比，这确实增加了额外的一层复杂性…@janto：您看过各种python机器学习软件包了吗？在python中可能已经有了快速的解决方案或模板来编写自己的代码。顺便说一句，谷歌搜索一下似乎表明haskell可以通过FFI与C库进行交互，反之亦然：（我不是haskell人，所以请原谅我，如果这完全是不正确的！）。如果您可以从C调用haskell例程，那么您可以通过ctypes、cython、weave等从python调用它。。。这可能是一种痛苦，但听起来是可能的。“只是”处理numpy数组存储在其中的内存缓冲区的问题…@JashAdel我正在研究的算法不太流行（与支持向量机之类的东西相比），研究仍在进行中。因此，我所做的事情（信念传播、伪可能性）甚至没有很多C实现。这可能是最简单的方法。创建在共享内存缓冲区上运行的Haskell进程相对容易。矢量包中的模块

Data.Vector.Storable

将为1D阵列提供此功能（对于更高维度，可能hmatrix可以工作）。