C#的优势在于window下的开发,不仅功能强大而且开发周期短。而python则有众多的第三方库,可以避免自己造*,利用C#来做界面,而具体实现使用python来实现可以大大提高开发效率。本文介绍如何使用pythonnet
来执行python脚本,使用pythonnet
既可以具有较高的交互性,又可以使用第三方python库,同时可以将程序需要的python环境及第三方库打包到软件中,避免用户进行python的环境配置。
C#调用python的常见方法
调用python常见的方法有4种
方式 | 优点 | 缺点 |
---|---|---|
使用IronPython | 无需安装python运行环境,交互性强,C#和python无缝连接 | 某些python第三方库不支持,如numpy |
使用C++调用Python,然后将C++程序做成动态链接库 | 交互性较强 | 需要用户配置Python环境,实现方式复杂 |
利用C#命令行调用py文件 | 执行速度快 | 需要用户配置Python环境,交互性差 |
将python文件打包成exe进行调用 | 无需安装python运行环境, | 执行速度慢,传递数据复杂,交互性差 |
可以看出4种方式均有限制,很难同时满足交互性强、可调用第三方python库、无需用户配置Python环境要求,而这几项要求恰恰是一款成熟软件所必须的。而使用pythonnet
库可满足以上三点要求。
本文均在.net 6环境下测试
使用pythonnet
-
Nuget安装
pythonnet
-
设置
Runtime.PythonDLL
属性,即pythonxx.dll路径,xx为版本号 -
设置
PythonEngine.PythonHome
,即python.exe所在路径 -
设置
PythonEngine.PythonPath
,python脚本所在目录,可以放置多个路径,以分号隔开,但是pathToVirtualEnv\Lib\site-packages和pathToVirtualEnv\Lib应放在最后 -
调用
PythonEngine.Initialize();
string pathToVirtualEnv = ".\\envs\\pythonnetTest"; Runtime.PythonDLL = Path.Combine(pathToVirtualEnv, "python39.dll"); PythonEngine.PythonHome = Path.Combine(pathToVirtualEnv, "python.exe"); PythonEngine.PythonPath = $"{pathToVirtualEnv}\\Lib\\site-packages;{pathToVirtualEnv}\\Lib"; PythonEngine.Initialize(); //调用无参无返回值方法 using (Py.GIL()) //执行python的调用应该放在using (Py.GIL())块内 { //python对象应声明为dynamic类型 dynamic np = Py.Import("test"); np.hello(); } //调用有参有返回值方法 using (Py.GIL()) { dynamic np = Py.Import("test"); int r = np.add(1, 2); Console.WriteLine($"计算结果{r}"); }
python文件,必须放在PythonEngine.PythonPath
设定的目录下
def hello():
print("hello")
def add(a,b):
return a+b
嵌入Python环境及使用第三方库
程序中包含Python脚本所需要的所有环境以及第三方库可以免去用户的自定义配置。本文使用Anaconda来构建专用的虚拟环境。
-
创建专用虚拟环境(windows下首先切换到要建立虚拟环境的根目录下),执行
conda create --prefix=F:\condaenv\env_name python=3.7
路径及python版本根据需要自定义。 -
使用Anaconda Prompt,激活虚拟环境
conda activate F:\condaenv\env_name
-
本次测试第三方库Numpy(如果需要其他库,安装方法相同),安装Numpy
pip install numpy
string pathToVirtualEnv = ".\\envs\\pythonnetTest"; Runtime.PythonDLL = Path.Combine(pathToVirtualEnv, "python39.dll"); PythonEngine.PythonHome = Path.Combine(pathToVirtualEnv, "python.exe"); PythonEngine.PythonPath = $"{pathToVirtualEnv}\\Lib\\site-packages;{pathToVirtualEnv}\\Lib"; PythonEngine.Initialize() //使用第三方库 using (Py.GIL()) { dynamic np = Py.Import("numpy"); Console.WriteLine(np.cos(np.pi * 2)); dynamic sin = np.sin; Console.WriteLine(sin(5)); double c = (double)(np.cos(5) + sin(5)); Console.WriteLine(c); dynamic a = np.array(new List<float> { 1, 2, 3 }); Console.WriteLine(a.dtype); dynamic b = np.array(new List<float> { 6, 5, 4 }, dtype: np.int32); Console.WriteLine(b.dtype); Console.WriteLine(a * b); Console.ReadKey(); }
注意:C#和python对象进行数学运算时,必须将Python对象放到前面,例如np.pi*2,不能是2*np.pi
传递对象
可以将C#对象传递到python中
在C#中定义对象
public class Person
{
public Person(string firstName, string lastName)
{
FirstName = firstName;
LastName = lastName;
}
public string FirstName { get; set; }
public string LastName { get; set; }
}
string pathToVirtualEnv = ".\\envs\\pythonnetTest";
Runtime.PythonDLL = Path.Combine(pathToVirtualEnv, "python39.dll");
PythonEngine.PythonHome = Path.Combine(pathToVirtualEnv, "python.exe");
PythonEngine.PythonPath = $"{pathToVirtualEnv}\\Lib\\site-packages;{pathToVirtualEnv}\\Lib";
PythonEngine.Initialize();
//将C#中定义的类型传入python
using (Py.GIL())
{
Person p = new Person("John", "Smith");
PyObject pyPerson = p.ToPython();
string r1 = test.FullName(pyPerson);
Console.WriteLine($"全名:{r1}");
}
python脚本
def FullName(p):
return p.FirstName+""+p.LastName
调用pyd文件
pyd文件主要有以下2点作用:
- 安全性更高:通过pyd生成的文件,已变成了dll文件,无法查看源码
- 编译成pyd后,性能会有提升
将.py文件编译成pyd文件步骤如下:
pip install cython
- 在.py文件目录下创建setup.py文件
from distutils.core import setup
from Cython.Build import cythonize
setup(
name = "testName",
ext_modules = cythonize("test.py"), #将test.py文件编译成pyd
)
- 执行编译命令
python setup.py build_ext --inplace
最后生成的pyd文件一般是test+cpython版本-平台为文件名,可以重命名为test名称,也可以不管,使用时仍然可以按test调用。
调动pyd文件和调用py文件相同,但是执行效率大大增强,下文会对执行速度进行对比。
执行速度对比
在test.py中定义一个耗时函数
import time
def Count():
start = time.perf_counter()
sum = 0
for i in range(10000):
for j in range(10000):
sum = sum + i + j
print("sum = ", sum)
end = time.perf_counter()
runTime = end - start
runTime_ms = runTime * 1000
print("运行时间:", runTime, "秒")
- 直接执行test.py脚本,运行结果如下:
- 在C#中调用Conut()函数
//运行时间测试
Console.WriteLine("C#开始计时");
Stopwatch stopWatch = new Stopwatch();
stopWatch.Start();
test.Count();
stopWatch.Stop();
Console.WriteLine($"C#计时结束{stopWatch.ElapsedMilliseconds}");
执行结果如下:
可以看到,使用pythonnet调用python脚本会有一定的性能损失,不过在对性能要求不是十分高的条件下是可以接受的。
- 执行test.pyd文件,运行结果如下:
从结果可以看出调用pyd比原生的py文件执行还要快,所以可以使用pythonnet来执行pyd文件,即实现代码保护又提升了执行效率。