python调用fortran

王磊

python调用fortran主要目的是节省时间同时利用一下已有的fortran程序，本人对fortran熟悉一些，对python算不上入门，仅仅是对其感兴趣。看到对f2py功能的介绍，便想尝试其对fortran的调用，故写此贴，便于以后查阅，也便于和需要的朋友分享交流。不得不说如果涉及到单个点的循环操作，最好不要用python的for循环，而是考虑用其内部函数，这会节省很多时间。尽管如此，还是赞叹python的字典功能的灵活性，对错误等的处理功能。

python调用python要点总结

（1）f2py将fortran子程序编译链接为动（静态）态库。

（2）python调用fortran需要写好接口，关键点包括：

    （a）数据类型，numpy默认的数据类型为float64也就是双精度浮点数，所以fortran里的浮点数也必须是双精度的，需要声明为real*8，默认的real是单精度的，不会报错但是会造成内存溢出！

    （b）加intent(out)之后会把python对应函数中的相应变量隐藏，也就是不需要输入了！例如fortran中的函数为 subroutingfoo(a,n)

    给n维数组a加了intent(out)之后，表示它只是输出，不接受输入数据。于是在python中调用时，只需要指定维数n就可以了，即：foo(n)。 注意：接口中的虚参，不能存在intent（inout）属性，因为python不认可，如果一个虚参具备intent（inout）属性，则会报如下错：“ValueError:failed to initialize intent(inout) array -- input not fortran contiguous --input 'l' not compatible to 'd'”

（c）一般在使用fortran的时候需要注意二维数组的行列关系的问题，即是说fortran里面的数组是先填充一列、再填充一行，而python数组遵循C语法规范、先填充一行，在天聪一列，不过貌似利用f2py进行传递时，已经进行过智能转换，所以不需要管这个，按照相同的方式使用就行。

(d)需要注意的是，在进行调用的时候，intent（in）的变量（输入变量）里，跟维数有关的变量必须放置在最后。比如我的函数命名为：f(a,b,c,d,n)这里面a、b、c、d都是普通的变量或数组之类的，但是n必须是一个跟维数有关的变量，用来在fortran程序里定义数组时使用。上面这条里所说的跟维数有关的变量必须放在最后，适用于n也是一个用来传递的变量的情况下。即是说你在使用时希望将维数信息用变量n来进行传递时，那么就得把它放在最后。再换句话说，n就是intent（in）的情况。 如果数组维长放在了最前面，可能出现的一个错误是：

“(shape(u,0)==m)failed for 1st keyword m: vector2:m=0”。

遵循上述几点，大致可以保证程序无误。

参考链接如下：

http://bbs.06climate.com/forum.php?mod=viewthread&tid=6468

http://blog.sciencenet.cn/blog-350278-628083.html

http://www.jb51.net/article/82121.htm

下面是自己编写的一个测试程序，仅供参考。意思到位了，但还不够简洁。

（1）fortran程序如下，foo.f90文件内容

subroutine hello(a,b,c,d,e,f)

implicit none

integer,intent(in)::  a,b,c,d,e,f

write(*,*) a,b,c,d,e,f

end subroutine hello

subroutine vector(u,v,vec,m,n)

implicit none

integer,intent(in) ::  m, n

real(8),intent(in)    ::  u(m,n),v(m,n)

real(8),intent(out)    ::  vec(m,n)    !输出参数，python中不需要出现

integer i

vec=sqrt(u*u+v*v)

do i=1,3

    write(*,*)  "i=",i

    write(*,*)  u(i,:5)

    write(*,*)  v(i,:5)

end do

return

end subroutine vector

（2）python程序如下，python.py文件内容。

import numpy as N

def good_magnitudes(u, v,minmag=0.1):

    shape_input = N.shape(u)

    output = N.zeros(shape_input,dtype=u.dtype.char)

    for i in xrange(shape_input[0]):

        for j in xrange(shape_input[1]):

            mag = ((u[i,j]**2) + (v[i,j]**2))**0.5     #千万不要写for循环，慢的舍生忘死了

            if mag >minmag:

                output[i,j] = mag

            else:

                output[i,j] = minmag

    return output

def faster_good_magnitudes(u, v, minmag=0.1):

    mag = ((u**2) + (v**2))**0.5            #快很多哦

    output = N.where(mag >minmag, mag, minmag)

    return output

n=100000000

u=N.reshape(N.arange(n),(1000,n//1000))

v=N.reshape(N.arange(n),(1000,n//1000))

vec=N.reshape(N.arange(n),(1000,n//1000))

print u[0][:10]

print v[0][:10]

print u[1][:10]

print v[1][:10]

print u[2][:10]

print v[2][:10]

import foo                       #导入fortran子程序

import time

foo.hello(1,2,3,4,5,6)        #参数的个数不受限制

begin_time0 = time.time()

foo.vector(u,v,1000,100000)     #千万注意，维数长度的量，一定要放在最后面，当然你用变量存储维长也是可以的，也建议用变量存储

print time.time() -begin_time0

begin_time1 = time.time()  

vect2=faster_good_magnitudes(u, v, minmag=0.1)

print time.time() -begin_time1

begin_time2 = time.time()

vect1=good_magnitudes(u, v, minmag=0.1)

print time.time() -begin_time2

(3)操作步骤：

    f2py -m foo -c foo.f90

python  python.py

（4）结果如下：

[0 1 2 3 4 5 6 7 8 9]                                    对应python中：   print u[0][:10]

[0 1 2 3 4 5 6 7 8 9]                                    对应python中：   print v[0][:10]

[100000 100001 100002 100003 100004 100005 100006 100007 100008 100009]     对应python中：  print u[1][:10]

[100000 100001 100002 100003 100004 100005 100006 100007 100008 100009]     对应python中：  print v[1][:10]

[200000 200001 200002 200003 200004 200005 200006 200007 200008 200009]     对应python中：  print u[2][:10]

[200000 200001 200002 200003 200004 200005 200006 200007 200008 200009]     对应python中：  print v[2][:10]

           1           2           3           4           5           6

下面输出对应fortran中的：

do i=1,3

    write(*,*)  "i=",i

    write(*,*)  u(i,:5)

    write(*,*)  v(i,:5)

end do

i=           1

   0.0000000000000000        1.0000000000000000        2.0000000000000000        3.0000000000000000        4.0000000000000000     

   0.0000000000000000        1.0000000000000000        2.0000000000000000        3.0000000000000000        4.0000000000000000     

i=           2

   100000.00000000000        100001.00000000000        100002.00000000000        100003.00000000000        100004.00000000000     

   100000.00000000000        100001.00000000000        100002.00000000000        100003.00000000000        100004.00000000000     

i=           3

   200000.00000000000        200001.00000000000        200002.00000000000        200003.00000000000        200004.00000000000     

   200000.00000000000        200001.00000000000        200002.00000000000        200003.00000000000        200004.00000000000     

输出时间：

混合fortran片段：4.3228559494s

直接python：10.6145708561s

单点for循环： 490s+
由此输出可以发现，使用相同的行列规则既可以正确的使用数据。同时，数据量小的时候，直接python程序即可（使用一些技巧提升速度），不需要混合调用，除非非得使用单次循环。

凉茶啦啦啦啦啦

有个问题想请教一下！我们大气海洋中的计算模式f90文件常常都是嵌套的，也就是一个module里面要use 另一个module或者subroutine，这种情况下，是不是必须解除这种依赖性？也就是说，用python调用fortran计算，由python出图，这种想法只能适用于单独的一个subroutine计算，该subroutine不能牵连到其他f90文件中的subroutine。有没有解决的方法呢？最近在弄这个，这一点有点困惑，我想的解决方法是把所有关联的f90文件都整合在一个f90文件中，让其变成一个单独的subroutine。但是鉴于有一些计算模式f90文件相当多，适用范围太窄，有没有更好的解决方法呢？

Swallow

还没仔细看，我现在也在想是用python调用Fortran呢？还是自己写python的代码？收藏了！谢谢！

beryl52yy

细节总结的很赞！不知这位王磊是不是本科的同学    总之受益 收藏

liyf

小伙子，干得不错！

novelbean

学习了，谢谢分享！！

又是那隻貓

我明明就定义了 inout..

kayoshina

收藏了，感谢分享

Lighting

有些细节可能和编译器及系统平台相关。
关于

1. 跟维数有关的变量必须放置在最后

复制代码

这条，在windows上编译时，位置是无关的。但在linux上运行时，维数就必须放到相关变量的前面，否则就会出错。

Swallow

谢谢！我自己还要手动实践一下！再细细琢磨下！