0
好的，我是新來的swig。我終於用swig和numpy.i成功地包裝了我的python程序中最昂貴的部分。該程序是2D波PDE的有限差分格式。我的問題是我現在如何使用它？在IPython中導入後我可以看到它。如何使用我在Python中使用swig生成的包裝函數？
In [1]: import wave2
In [2]: wave2.wave_prop
Out[2]: <function _wave2.wave_prop>
但是，當我去使用它，我得到一個錯誤說：
TypeError: in method 'wave_prop', argument 1 of type 'float **'
我怎樣才能改變我的2D numpy的陣列，以某種形式，使我用這個。還有另一個非常相似的stackoverflow，雖然我在這個過程中發現了很多關於這個問題的幫助。
這裏是標題：
void wave_prop(float** u_prev ,int Lx, int Ly,float** u ,int Lx2, int Ly2,float** u_next,int Lx3,int Ly3 );
這裏是C代碼：
#include<string.h>
#include<stdlib.h>
#include<stdio.h>
#include<math.h>
#define n 100
void wave_prop(float** u_prev ,int Lx,int Ly,float** u ,int Lx2,int Ly2,float** u_next,int Lx3,int Ly3){
int dx=1;
int dy=1;
float c=1;
float dt =1;
int t_old=0;int t=0;int t_end=150;
int x[Lx];
int y[Ly];
for(int i=0;i<=99;i++){
x[i]=i;
y[i]=i;
}
while(t<t_end){
t_old=t; t +=dt;
//the wave steps through time
for (int i=1;i<99;i++){
for (int j=1;j<99;j++){
u_next[i][j] = - u_prev[i][j] + 2*u[i][j] + \
(c*dt/dx)*(c*dt/dx)*u[i-1][j] - 2*u[i][j] + u[i+1][j] + \
(c*dt/dx)*(c*dt/dx)*u[i][j-1] - 2*u[i][j] + u[i][j+1];
}
}
//set boundary conditions to 0
for (int j=0;j<=99;j++){ u_next[0][j] = 0;}
for (int i=0;i<=99;i++){ u_next[i][0] = 0;}
for (int j=0;j<=99;j++){ u_next[Lx-1][j] = 0;}
for (int i=0;i<=99;i++){ u_next[i][Ly-1] = 0;}
//memcpy(dest, src, sizeof (mytype) * rows * coloumns);
memcpy(u_prev, u, sizeof (float) * Lx * Ly);
memcpy(u, u_next, sizeof (float) * Lx * Ly);
}
}
這裏是我的接口：
%module wave2
%{
#define SWIG_FILE_WITH_INIT
#include "wave2.h"
%}
%include "numpy.i"
%init %{
import_array();
%}
%include "wave2.h"
%apply (float** INPLACE_ARRAY2, int DIM1, int DIM2) { (float** u_prev,int Lx,int Ly),(float** u,int Lx2,int Ly2),(float* u_next,int Lx3,int Ly3)}
這是我用來編譯命令和鏈接：
$ swig -python wave2.i
$ gcc -c -fpic wave2.c wave2_wrap.c -I/usr/include/python2.7 -std=c99
$ gcc -shared wave2.o wave2_wrap.o -o _wave2.so
沒有任何錯誤或警告。在互聯網上缺乏像這樣的中間例子，相信我我已經搜遍了！，所以如果我們能夠得到這個工作，它可以作爲一個很好的教程。請不要標記我的問題，然後離開到夜晚。如果你覺得我的一些編碼需要改進，請讓我知道，我想現在基本上教我的一切......非常感謝你們的幫助
哦，也就是在這裏，我試圖用一個腳本它在我也曾嘗試使用內IPython的其他方面的功能...
'''George Lees Jr.
2D Wave pde '''
from numpy import *
import numpy as np
import matplotlib.pyplot as plt
from wave2 import *
import wave2
#declare variables
#need 3 arrays u_prev is for previous time step due to d/dt
Lx=Ly = (100)
n=100
dx=dy = 1
x=y = np.array(xrange(Lx))
u_prev = np.array(zeros((Lx,Ly),float))
u = np.array(zeros((Lx,Ly),float))
u_next = np.array(zeros((Lx,Ly),float))
c = 1 #constant velocity
dt = (1/float(c))*(1/sqrt(1/dx**2 + 1/dy**2))
t_old=0;t=0;t_end=150
#set Initial Conditions and Boundary Points
#I(x) is initial shape of the wave
#f(x,t) is outside force that creates waves set =0
def I(x,y): return exp(-(x-Lx/2.0)**2/2.0 -(y-Ly/2.0)**2/2.0)
def f(x,t,y): return 0
#set up initial wave shape
for i in xrange(100):
for j in xrange(100):
u[i,j] = I(x[i],y[j])
#copy initial wave shape for printing later
u1=u.copy()
#set up previous time step array
for i in xrange(1,99):
for j in xrange(1,99):
u_prev[i,j] = u[i,j] + 0.5*((c*dt/dx)**2)*(u[i-1,j] - 2*u[i,j] + u[i+1,j]) + \
0.5*((c*dt/dy)**2)*(u[i,j-1] - 2*u[i,j] + u[i,j+1]) + \
dt*dt*f(x[i], y[j], t)
#set boundary conditions to 0
for j in xrange(100): u_prev[0,j] = 0
for i in xrange(100): u_prev[i,0] = 0
for j in xrange(100): u_prev[Lx-1,j] = 0
for i in xrange(100): u_prev[i,Ly-1] = 0
wave2.wave_prop(u_prev ,Lx ,Ly , u , Lx, Ly, u_next,Lx,Ly)
#while t<t_end:
# t_old=t; t +=dt
#the wave steps through time
# for i in xrange(1,99):
# for j in xrange(1,99):
# u_next[i,j] = - u_prev[i,j] + 2*u[i,j] + \
# ((c*dt/dx)**2)*(u[i-1,j] - 2*u[i,j] + u[i+1,j]) + \
# ((c*dt/dx)**2)*(u[i,j-1] - 2*u[i,j] + u[i,j+1]) + \
# dt*dt*f(x[i], y[j], t_old)
#
# #set boundary conditions to 0
#
# for j in xrange(100): u_next[0,j] = 0
# for i in xrange(100): u_next[i,0] = 0
# for j in xrange(100): u_next[Lx-1,j] = 0
# for i in xrange(100): u_next[i,Ly-1] = 0
#set prev time step equal to current one
# u_prev = u.copy(); u = u_next.copy();
fig = plt.figure()
plt.imshow(u,cmap=plt.cm.ocean)
plt.colorbar()
plt.show()
print u_next
而且是的，我檢查，以確保該陣列都numpy的第二數組類型