Cython

Cython
Tipus	llenguatge de programació
Data de creació	28 juliol 2007
Desenvolupador	Robert Bradshaw, Stefan Behnel, et al.
Epònim	Python i C
Darrera versió estable	3.0.11-1 ()
Majors implementacions	Python
Dialecte de	Python
Llenguatge de programació	Python
Influenciat per	Python
Sistema operatiu	Linux, Unix-like, Microsoft Windows i macOS
Codi font	Codi font
Llicència	Apache License
Etiqueta d'Stack Exchange	Etiqueta
Pàgina web	cython.org

Cython és un llenguatge de programació que actua com un compilador estàtic que serveix per a optimitzar tant el llenguatge de programació de Python com el llenguatge de programació estés de Cython (el qual està basat en Pyrex). Aquest permet escriure extensions de C per Python amb la mateixa dificultat amb la qual escriuríem en el propi Python.

És una extensió d'un llenguatge de programació que té com a propòsit ajudar a un compilador de Cython per transformar els codis que són de Python a un tipus de codis de C. El codi de C es genera un cop i es compila mitjançant els principals compiladors de C / C++ a CPython 2.6, 2.7 (2.4+ amb Cython 0.20.x), així com 3.3 i totes les posteriors versions d'aquest.^[1]

Definició

El llenguatge de Cython és un superconjunt de Python el qual també permet crides de funcions de C, la declaració de variables tipus C i atributs de classes. Tot això fa que el compilador pugui generar codi de tipus C molt eficient a partir de codi de tipus Cython.

Regularment s'executen proves d'integració en totes les versions que són compatibles amb CPython i les últimes branques que es troben en desenvolupament per tal d'assegurar que el codi que ha estat generat sigui perfectament compatible i ben adaptat a cada versió.

El suport de PyPy és un treball que es troba en progrés i el qual es considera majoritàriament utilitzable des de Cython 0.17. Tot això fa que Cython sigui el llenguatge de programació ideal per a biblioteques externes de C, agregar CPython en aplicacions que ja existeixen i també per a mòduls ràpids de C que permeten accelerar l'execució d'un codi de Python.^[2]

Utilitats

Cython t'atorga la possibilitat de realitzar les següents tasques (les quals ajunten funcions tant de Python com de C):

Poder escriure el codi de Python que va d'anada i tornada des del codi de C o C++ de forma nativa a qualsevol punt.
Sintonitzar fàcilment el codi llegible de Python en el rendiment simple de C agregant declaracions de tipus estàtic, també en sintaxis de Python.
Utilitzar la depuració combinada del nivell de codi font per a poder trobar errors en el codi de Python, Cython i també C.
Crear ràpidament les aplicacions dins del sistema de CPython.
Interactuar de manera efectiva amb grans conjunts de dades utilitzant matrius de NumPy multidimensionals.
Integrar de manera nativa amb codi i dades ja existents d'aplicacions, heretades i de biblioteques d'alt o baix nivell.^[2]

Història

Cython és un derivat del llenguatge anomenat Pyrex i alhora suporta més funcions i optimitzacions d'aquesta. Cython fou bifurcat de Pyrex l'any 2007 pels desarrolladors del paquet d'àlgebra de computadors de Sage perquè estaven descontents amb les limitacions de Pyrex i no podien obtenir “patches” de l'encarregat de Pyrex, Greg Ewing, el qual va imaginar un abast molt més petit per a la seva eina que la que van tenir els desenvolupadors de Sage. Aleshores, aquests desenvolupadors de Sage, van bifurcar Pyrex com a SageX. Quan van descobrir que les persones descarregaven Sage només per poder obtenir SageX i els desenvolupadors de paquets (Stefan Behnel inclòs, el qual manté la XML biblioteca LXML) també seguien mantenint les agulles de Pyrex, SageX es va separar del projecte de Sage i es va fusionar amb cython-lxml per finalment convertir-se en Cython.^[3]

Disseny

Cython funciona produint un mòdul estàndard de Python. Tanmateix, el comportament difereix de Python estàndard en què el codi del mòdul, originalment escrit en Python, es tradueix en C. Mentre que el codi resultant de C és ràpid, fa moltes crides a l'intèrpret CPython i a les biblioteques estàndard de CPython per realitzar treballs reals. Aquestes crides van estalviar considerablement el temps de desenvolupament de Cython, però els mòduls depenen en gran manera de la biblioteca estàndard i de l'intèrpret de Python.

Tot i que la majoria del codi està basat en C, normalment es requereix un petit carregador de tests escrit en Python. Tot i això, aquest no és un problema important a causa de la presència de l'intèrpret de Python.

Cython té una interfície de funció externa per invocar rutines de C / C ++ i la capacitat de declarar el tipus estàtic de paràmetres i resultats de subrutina, variables locals i atributs de classe.

Un programa Cython que implementi el mateix algorisme que un programa Python corresponent pot consumir menys recursos informàtics com ara memòria bàsica i cicles de processament a causa de diferències entre els models d'execució CPython i Cython. Un programa de Python bàsic és carregat i executat per la màquina virtual CPython, de manera que tant el temps d'execució com el propi programa consumeixen recursos informàtics. Un programa de Cython es compila amb codi C, que es compila més al codi de màquina, de manera que la màquina virtual només s'utilitza breument quan es carrega el programa.^[4]^[5]

Cython utilitza:^[6]

Declaració de tipus (opcional).

Despesa baixa en estructures de control.

Despesa baixa en crides a funcions.

El rendiment depèn tant del codi C generat per Cython com de la composició d'aquest codi.

Per programar en Cython seguim els passos següents:^[7]

Escriure un fitxer de codi Cython (.pyx)
Fer servir el compilador de Cython (cythonize) per generar un fitxer en C
Fer servir un compilador de C per generar codi màquina
Fer servir el interpret de Python i importar el mòdul compilat

Avantatges

L'avantatge essencial d'aquest enfocament, és que al barrejar perfectament codi Python/C (és a dir, C usant <python.h>) és que el codi Python existent es pot ajustar a gairebé la velocitat de C amb només afegir uns quants tipus estàtics a les declaracions i fent algunes adaptacions en els bucles crítics -sense necessitat d'una interfície complicada o molt invasiva del codi. La velocitat de codificació i la llegibilitat del codi segueix sent comparable a la del codi Python.

A causa de reducció del consum general en les estructures de control (especialment els bucles), les optimitzacions optimistes i la inferència de tipus, el codi Python compilat amb Cython normalment s'executa més ràpid que en l'intèrpret CPython 2.6.x, encara que les millores absolutes depenen en gran manera el codi. Amb les declaracions de tipus estàtics, l'acceleració típica en càlculs numèrics/matricials és de 100x-1000x^[8] En comparació a la típica optimització amb Psyco (Python JIT compiler) què és entre 4x-100x.^[9]^[10]

Compatibilitat

Cython està escrit en Python, així que treballa en Windows, Linux, i MacOS X.

Declaració de variables

Per millorar l'eficiència del codi Cython sovint és útil definir les variables definint el seu tipus de forma estàtica. D'aquesta manera ajudarem a Cython a escapar de la natura dinàmica de Python i generar un codi en C molt més ràpid. Aquestes declaracions poden fer que el codi resulti menys entenedor de cara a l'usuari, i per tant no és recomanable fer-ne ús sense coneixement previ, pero si se'n fa un ús lògic de les seves eines s'arriba a resultats molt més ràpids.

La declaració estàtica del tipus de cada variable segueix la següent estructura:

cdef <type> <variable>

Cython permet la declaració de tots els tipus de variables disponibles en codi C.

Sintaxi de declaració de variables
Tipus	Declaració
int	cdef int n = 10
float	cdef float n = 255.0
complex	cdef float complex fc = 1+1j
struct	cdef struct Eduardo: int age float height
union	cdef union Food: char spam float eggs
class	cdef class Teacher: cdef int age, height def __init__(self, a, s): self.age = a self.subject = s def describe(self): print("Our teacher is", self.age, "years old and teaches", self.subject)
list	cdef list llista = []
ctuple	cdef (int, double) tupla = (1, 2.0)

Cython converteix de manera automàtica i correcte el tipus de la variable en Python al tipus especificat a la assignació a la variable en C. Això també inclou el tipus d'enters arbitraris de la mida per defecte de Python, on els desbordaments de valors en la conversió a un tipus C provocaran un “PythonOverflowError” en temps d'execució. El codi generat en C podrà manipular correctament i de manera segura amb les mides de les variables assignades. D'aquesta manera podem definir les variables que hagin de representar nombre enters com a int, i el propi Cython s'encarregarà de dictaminar si es tracta d'un char, un int, un long, etc.

De tot el llistat de possibles tipologies de les variables allistades anteriorment les més típiques són dues: int i float. En C, i per tant en Cython, la mida de les variables de tipus int es determina en funció del valor que hagi de representar, i per tant el nombre bits necessaris. Tenim char (8 bits, 256 valors), int (32 bits, 2³² valors) i long (64 bits, 2⁶⁴ valors). Pel que respecta als floats, distingim entre float (32 bits) i double (64 bits). Les variables double tenen major precisió a l'hora de realitzar càlculs més precisos, pero aquests són computacional més cars.

Definició de funcions

Cython permet 3 maneres diferents de declarar funcions:^[11]

def: és la definició d'una funció en llenguatge Python. El codi tractarà aquestes funcions com a codi Python pur: és a dir, no guanyarem ni velocitat ni optimització de memòria respecte Python. Es fa servir quan la funció pren arguments que són objectes de Python o quan volem retornar un objecte Python.

cdef: és una definició similar a la de Python però on tots els tipus de variables han de ser declarats. S'ha d'anar amb compte ja que realment el codi interpreta aquest tipus de funcions com funcions en C.

cpdef: és una combinació de les dues anteriors, és a dir, es pot comportar com una funció "cdef" si utilitza fonaments de C o com una funció "def" si rep objectes Python.

#La funció suma_deu pren un nombre enter com a paràmetre i li suma deu unitats
#funció definida amb def
def suma_deu(nombre):
 int resultat = 0
 resultat = nombre + 10
 return resultat

#Funció definida amb cdef
cdef int suma_deu(int nombre):
 int resultat = 0 
 resultat = nombre + 10
 return resultat

#Funció definida amb cpdef
cpdef suma_deu(int nombre):
 int resultat = 0 
 resultat = nombre + 10
 return resultat

Accés a memòria

A part de la conversió entre tipus de Python i C, un segon possible coll d'ampolla que empitjora el rendiment del codi són els accessos i assignaments a memòria. Per poder accedir a aquests elements fent servir codi C i per tant molt més ràpidament farem ús dels memoryview. D'aquesta manera estarem declarant el tipus de totes les variables dins l'array de forma estàtica.

Numpy

Els memoryview són estructures de C amb un apuntador a un Numpy array i totes les dades necessàries per fer un accés segur i ràpid als elements d'aquest (dimensions, tipus de les variables, …). El que estem creant no és una còpia d'aquest array, sinó una forma més eficaç d'accedir als elements d'aquest.

Quan declarem un memoryview seguirem la següent sintaxi:

Declaració de *memoryviews*
Declaració	Dimensions
cdef <type> [:] <variable>	1D
cdef <type> [:,:] <variable>	2D
cdef <type> [:,:,:] <variable>	3D

Per millorar-ne encara més l'eficiència, si sabem que els elements de l'array són contigus a memoria podem fer la següent declaració:

Declaració de *memoryviews* contigus
Declaració	Dimensions i eix
cdef <type> [::1] <variable>	1D, contigu en fila
cdef <type> [:,::1] <variable>	2D, contigu en fila
cdef <type> [::1,:] <variable>	2D, contigu en columna

Com els elements del Numpys arrays sempre es troben contigus a memòria, l'ús d'aquests en combinació amb la declaració contigua a memòria suposen una gran millora en el rendiment.

Directives per al compilador

Cython permet l'ús de directives que indiquen al compilador com ha de compilar el codi. Podem assignar aquestes directives a nivell global o a nivell local per una funció.

Algunes de les directives que permet Cython són les següents:^[12]


Directiva	Valors	Valors per defecte	Descripció
boundscheck	True/False	True	Si es defineix a False, Cython és lliure d'assumir que les operacions d'indexació del codi no faran que s'aixequi cap IndexErrors.
wraparound	True/False	True	En les matrius de Python es poden indexar en relació amb el final.
cdivision	True/False	False	Modificarà els quocients del programa per elevar un ZeroDivisionError quan el divisor es 0.
profile	True/False	False	Modificarà els quocients del programa per elevar un ZeroDivisionError quan el divisor es 0.

Compilació

La principal utilitat de Cython és la seva capacitat de convertir codis Python a codis C compilables. La conversió i/o compilació d'un fitxer es pot fer de dues maneres diferents:^[13]

· La comanda cython pren un fitxer .py o .pyx i el compila a un fitxer C/C++. Es recomanable utilitzar l'extensió setuptools que proporciona Cython. D'aquesta manera podem especificar opcions de compilació.

$ cython fitxer.pyx

· La comanda cythonize pren un fitxer .py o .pyx i el compila a un fitxer C/C++. Després compila aquest fitxer a un mòdul executable el qual es importable des de Python.

$ cythonize -3 -i fitxer.pyx

Flags del cythonize

L'eina cythonize ofereix alguns flags per modificar el seu comportament i ajudar a la generació del codi.^[14]

-a	Genera un codi html del codi Python proporcionat. En aquest trobem acolorides aquelles zones on no s'hagi pogut fer la conversió a codi C. És una forma pràctica de veure com podem modificar el nostre codi per afavorir la seva conversió.
-2	Especifica la versió del codi Python com la versió 2
-3	Especifica la versió del codi Python com la versió 3
-i	Genera la versió en C del codi Python, i automàticament compila aquest per generar el mòdul executable.
-f	Genera la versió en C del codi Python, però no compila aquest.

En cas de generar la versió en C i voler compilar aquest des del terminal podem fer-ho de la següent manera:

$ cythonize -3 -f -a fitxer.pyx
$ gcc -Ofast -shared -Wall -fPIC -I <path> -o fitxer.so

El resultat d'aquesta execució, al igual que la del cas bàsic $cythonize -3 -i -a fitxer.pyx, genera tres fitxers:

# Exemple 1
$ cp fitxer.py fitxer.pyx
$ cythonize -3 -i -a fitxer.pyx

# Exemple 2
$ cp fitxer.py fitxer.pyx
$ cythonize -3 -f fitxer.pyx
$ gcc -Ofast -I /usr/local/miniconda-3/include/python3.6m fitxer.c -shared -Wall -fPIC -o fitxer.so

Exemples

#Calcul de la sequencia de fibonacci en cython
import cython
import numpy as np

cpdef Fibonacci_recursiu(int lim_iter): #Recursivament
	if lim_iter == 0:
		return 0
	elif lim_iter == 1:
		return 1
	else:
		return (Fibonacci_recursiu(lim_iter - 1) + Fibonacci_recursiu(lim_iter - 2))


cpdef Fibonacci_iteratiu(int lim_iter): #Utilitzant un vector
	cdef int [::1] vect_res = np.zeros(lim_iter) 
	cdef int i
	vect_res[1] = 1
	for i in range(2,lim_iter):
		vect_res[i] = vect_res[i-1] + vect_res[i - 2]

	return vect_res[lim_iter - 1]

Usos

Cython és particularment popular entre els usuaris científics de Python, on té "la audiència perfecta" segons el creador de Python Guido van Rossum. Trobem Cython en:

El sistema lliure d'àlgebra informàtica SageMath depèn de Cython, tant per al rendiment com per a la interfície com per altres biblioteques.^[15]
Parts significatives de les biblioteques d'informàtica científica SciPy, Pandas i Scikit-learn estan escrites en Cython.^[16]
Alguns llocs web de gran trànsit, com Quora, utilitzen Cython.^{[cal citació]}

El domini de Cython no es limita només a informàtica numèrica. Per exemple, el kit d'eines XX lxml s'escriu majoritàriament a Cython, i al igual que el seu predecessor Pyrex, Cython s'utilitza per proporcionar enllaços Python per a moltes biblioteques C i C ++ com la biblioteca de missatgeria ZeroMQ. Cython també es pot utilitzar per desenvolupar programes paral·lels per a màquines de processador multicentre; aquesta característica fa ús de la biblioteca OpenMP.

Us pot interessar

NumPy
PyPy
Numba
iPython

Referències

↑ «Cython: C-Extensions for Python». [Consulta: 1r abril 2020].
↑ ^2,0 ^2,1 «Cython: C-Extensions for Python». [Consulta: 31 març 2020].
↑ Says Sage and Cython developer Robert Bradshaw at the Sage Days 29 conference. «Cython: Past, Present and Future». youtube.com, 22-03-2011. [Consulta: 5 maig 2011].
↑ Unknown. «Technical Discovery: Speeding up Python (NumPy, Cython, and Weave)», 20-06-2011. [Consulta: 31 març 2020].
↑ «Proceedings of the Python in Science Conference (SciPy): Fast numerical computations with Cython». Arxivat de l'original el 2020-01-28. [Consulta: 31 març 2020].
↑ «PyBindGen Benchmarks», 04-04-2015. Arxivat de l'original el 2015-04-04. [Consulta: 31 març 2020].
↑ «Source Files and Compilation — Cython 3.0a0 documentation». [Consulta: 31 març 2020].
↑ «gmane.comp.python.cython.devel - Passing a pointer from Python». Arxivat de l'original el 2017-02-14. [Consulta: 12 agost 2014].
↑ Psyco - Introduction
↑ Millman, K. Jarrod; Aivazis, Michael «Python for Scientists and Engineers» (en anglès). Computing in Science & Engineering, 13, 2, 07-03-2011, pàg. 9–12. DOI: 10.1109/MCSE.2011.36. ISSN: 1521-9615.
↑ «Cython Function Declarations — Cython def, cdef and cpdef functions 0.1.0 documentation». [Consulta: 31 març 2020].
↑ «Compiler Directives — Cython 3.0a0 documentation». [Consulta: 31 març 2020].
↑ «Source Files and Compilation — Cython 3.0a0 documentation». [Consulta: 1r abril 2020].
↑ «Source Files and Compilation — Cython 3.0a0 documentation». [Consulta: 1r abril 2020].
↑ «Coding in Cython — Sage Developer's Guide v9.0». [Consulta: 31 març 2020].
↑ «SciPy 0.7.2 Release Notes — SciPy v1.4.1 Reference Guide». Arxivat de l'original el 2020-02-18. [Consulta: 31 març 2020].

[1] «Cython: C-Extensions for Python». [Consulta: 1r abril 2020].

[Ref-2] 2,0 ^2,1 «Cython: C-Extensions for Python». [Consulta: 31 març 2020].

[3] Says Sage and Cython developer Robert Bradshaw at the Sage Days 29 conference. «Cython: Past, Present and Future». youtube.com, 22-03-2011. [Consulta: 5 maig 2011].

[4] Unknown. «Technical Discovery: Speeding up Python (NumPy, Cython, and Weave)», 20-06-2011. [Consulta: 31 març 2020].

[5] «Proceedings of the Python in Science Conference (SciPy): Fast numerical computations with Cython». Arxivat de l'original el 2020-01-28. [Consulta: 31 març 2020].

[6] «PyBindGen Benchmarks», 04-04-2015. Arxivat de l'original el 2015-04-04. [Consulta: 31 març 2020].

[7] «Source Files and Compilation — Cython 3.0a0 documentation». [Consulta: 31 març 2020].

[8] «gmane.comp.python.cython.devel - Passing a pointer from Python». Arxivat de l'original el 2017-02-14. [Consulta: 12 agost 2014].

[9] Psyco - Introduction

[10] Millman, K. Jarrod; Aivazis, Michael «Python for Scientists and Engineers» (en anglès). Computing in Science & Engineering, 13, 2, 07-03-2011, pàg. 9–12. DOI: 10.1109/MCSE.2011.36. ISSN: 1521-9615.

[11] «Cython Function Declarations — Cython def, cdef and cpdef functions 0.1.0 documentation». [Consulta: 31 març 2020].

[12] «Compiler Directives — Cython 3.0a0 documentation». [Consulta: 31 març 2020].

[13] «Source Files and Compilation — Cython 3.0a0 documentation». [Consulta: 1r abril 2020].

[14] «Source Files and Compilation — Cython 3.0a0 documentation». [Consulta: 1r abril 2020].

[15] «Coding in Cython — Sage Developer's Guide v9.0». [Consulta: 31 març 2020].

[16] «SciPy 0.7.2 Release Notes — SciPy v1.4.1 Reference Guide». Arxivat de l'original el 2020-02-18. [Consulta: 31 març 2020].

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]