在构建numpy源代码时，f2py用于什么？

Question

当我在NumPy的源树中列出所有Fortran文件时，我得到：

./doc/source/f2py/scalar.f
./doc/source/f2py/string.f
./doc/source/f2py/calculate.f
./doc/source/f2py/moddata.f90
./doc/source/f2py/array.f
./doc/source/f2py/allocarr.f90
./doc/source/f2py/extcallback.f
./doc/source/f2py/common.f
./doc/source/f2py/ftype.f
./doc/source/f2py/fib3.f
./doc/source/f2py/callback.f
./doc/source/f2py/fib1.f
./doc/f2py/f2python9-final/src/examples/exp1.f
./doc/f2py/simple.f
./doc/f2py/multiarray/foo.f
./doc/f2py/hello.f
./doc/f2py/ex1/bar.f
./doc/f2py/ex1/foobar-smart.f90
./doc/f2py/ex1/foo.f
./doc/f2py/ex1/arr.f
./doc/f2py/ex1/foobar.f90
./numpy/f2py/tests/src/mixed/foo_fixed.f90
./numpy/f2py/tests/src/mixed/foo_free.f90
./numpy/f2py/tests/src/mixed/foo.f
./numpy/f2py/tests/src/size/foo.f90
./numpy/f2py/tests/src/kind/foo.f90
./numpy/f2py/tests/src/assumed_shape/precision.f90
./numpy/f2py/tests/src/assumed_shape/foo_use.f90
./numpy/f2py/tests/src/assumed_shape/.f2py_f2cmap
./numpy/f2py/tests/src/assumed_shape/foo_free.f90
./numpy/f2py/tests/src/assumed_shape/foo_mod.f90
./numpy/f2py/src/test/bar.f
./numpy/f2py/src/test/foo.f
./numpy/f2py/src/test/foo90.f90
./numpy/f2py/src/test/wrap.f
./numpy/distutils/tests/f2py_ext/src/fib1.f
./numpy/distutils/tests/f2py_f90_ext/include/body.f90
./numpy/distutils/tests/f2py_f90_ext/src/foo_free.f90

因此，除了f2py本身，没有其他人使用Fortran。我研究了线性代数模。对于LAPACK，有一个make_lite.py文件，它只从LAPACK源树中提取必要的子例程，并使用f2c将它们转换为C。那么，在创建NumPy的确切时间，创建f2py是否方便呢？我是不是遗漏了什么？

编辑

结果发现，SciPy中的许多包都使用f2py。正在运行

$ find . -iname '*.f*'  | cut -d'/' -f3,4 | uniq

给出填充了Fortran文件的确切目录：

linalg/src
fftpack/src
odr/odrpack
special/cdflib
special/amos
special/mach
special/specfun
integrate/quadpack
integrate/odepack
integrate/dop
integrate/linpack_lite
integrate/mach
sparse/linalg
interpolate/fitpack
optimize/minpack2
optimize/minpack
optimize/nnls
optimize/cobyla
optimize/lbfgsb
optimize/slsqp
stats/mvndst.f
stats/futil.f
stats/statlib
_build_utils/src
lib/lapack

Answer 1

好吧，经过一番周旋，我想我已经证实了我最初的一些怀疑

第一：

因此，除了f2py本身，没有其他人使用Fortran。

正如我在注释中提到的，OP所引用的所有Fortran源文件都位于/test/或/doc/目录中，因此我怀疑它们用于测试和记录f2py (以及使用f2py的numpy.distutils )。看一眼几个源文件就可以证实这一点。f2py本身看起来像是用Python和C编写的。

我研究了线性代数模。对于LAPACK，有一个make_lite.py文件，它只从LAPACK源树中提取必要的子例程，并使用f2c将它们转换为C。

这对我来说很奇怪，因为我实际上没有安装f2c (或者Plex，这是make_lite.py似乎需要的另一个库)。我决定在main()中增加一行，以显示在正常安装过程中是否实际使用了make_lite.py：

...
def main():

    # let's see if you're actually doing anything
    import subprocess; subprocess.call(['touch', '/tmp/hello_from_make_lite'])
...

当然，在一个干净的虚拟主机中安装numpy之后，我的/tmp/中没有/tmp/文件，这表明make_lite.main()从未执行过。看看numpy/linalg/lapack_lite/README

numpy/linalg/blas_lite.c、numpy/linalg/dlapack_lite.c和numpy/linalg/zlapack_lite.c是LAPACK模块所需并由lapack_lite模块包装的LAPACK例程的f2c'd版本。该目录中的脚本可用于从LAPACK源文件目录自动创建这些文件。

因此，numpy已经与这些f2c'd源文件一起分发了--除非您希望从新版本的LAPACK库中更新这些函数，否则不需要使用make_lite.py。

那么，在创建NumPy的确切时间，创建f2py是否方便呢？

据我所知，在正常的numpy安装过程中，f2py根本不被使用。再次，我在f2py2e.main()中插入了一条额外的行

...
def main():
    import subprocess; subprocess.call(['touch', '/tmp/hello_from_f2py2e'])
...

同样，在正常安装numpy之后，/tmp/hello_from_f2py2e也不存在。

那么，f2py实际上用于什么呢？检查the源树，并从它的根调用。

$ find . -iname *.f*

您将看到大量看起来很重要的Fortran文件，包括fftpack、odepack、arpack、fitpack等。我怀疑f2py主要是需要包装Fortran扩展名才能用于scipy而不是numpy。

不过，我可能错了--也许其中一个矮胖或粗野的神甫会让我改过自新。

更新

实际上，我认为f2py实际上也不需要在正常安装过程中使用！如果您查看一个Fortran模块(例如fftpack )的源目录，就会发现它已经包含了.pyf文件，这些文件通常由f2py自动生成，并为Fortran函数定义接口(参见这里)。

我认为f2py最初用于为Fortran函数生成.pyf包装器，但这些.pyf文件与源树的其余部分一起分发，因此在正常构建过程中没有必要再次运行f2py。

Answer 2

这是一个老问题，但f2py的目的是允许numpy用户包装自己的任意Fortran例程，并在Python中调用它们。我用它来调用一些自定义卡尔曼滤波器代码。调用Fortran版本比转换为numpy的相同算法要快得多，这可能是由于一组数组切片造成的。然而，随着numba的好转，我更倾向于用@njit来修饰numpy代码。