C#控制台程序调用python

之前学习python，研究了一下使用C#调用python，现在把过程发出来给大家参考。

参考：https://www.cnblogs.com/monkeyfx/p/6522000.html

我的开发环境是vs2017+python 2.7.15+IronPython-2.7.7（使用python3以上的版本貌似不行）

python实现协同过滤就不详细介绍了，主要说一下调试中碰到的问题

1、IronPython.Runtime.Exceptions.ImportException:“No module named requests”

sys.path.append(r'C:\Python27')
sys.path.append(r'C:\Python27\Lib\DLLs')
sys.path.append(r'C:\Python27\Lib')
sys.path.append(r"C:\Python27\Lib\site-packages")
sys.path.append(r'C:\\Python27\\lib\\site-packages\\requests-2.7.0-py2.7.egg')

2、IronPython.Runtime.Exceptions.ImportException:“Cannot import name _remove_dead_weakref”

#将上面的sys.path.append(r'C:\Python27\Lib')替换为sys.path.append(r"C:\Program Files (x86)\IronPython 2.7\Lib")

sys.path.append(r"C:\Program Files (x86)\IronPython 2.7\Lib")

3、System.MissingMemberException:“'module' object has no attribute '_getframe'”

参考上面的链接。

下面奉上源码：

python

#!/usr/bin/python2
# -*- coding: utf-8 -*-
#已实现python结合C#实现协同过滤推荐算法
import sys
sys.path.append(r'C:\Python27')
sys.path.append(r'C:\Python27\Lib\DLLs')
sys.path.append(r"C:\Program Files (x86)\IronPython 2.7\Lib")#安装的IronPython 2.7的路径
sys.path.append(r"C:\Python27\Lib\site-packages")
sys.path.append(r'C:\\Python27\\lib\\site-packages\\requests-2.7.0-py2.7.egg')
import requests
import json
#self.diffs 矩阵存储评分矩阵，
#self.freqs 存储一对 items 被相同用户评分的数量。
diffs = {}
freqs = {}
# 根据提供的数据，构建self.diffs / self.freqs字典
def update(data):
    # 遍历每个用户的每个评分数据
    for user, prefs in data.items():
        # 确保子字典存在
        for item, rating in prefs.items():
            freqs.setdefault(item, {})
            diffs.setdefault(item, {})
            # setdefault 作用：
            #如果对于给定的键值/setdefault的第一个参数，
            #字典中为对应value为空，
            #则将setdefault的第二个参数赋值给它。
            # 下面再次循环遍历user对应的prefs中的每一组评分
            for item2, rating2 in prefs.items():
                freqs[item].setdefault(item2, 0)
                diffs[item].setdefault(item2, 0.0)
                # 使用整数0初始化次数，浮点型零初始化评分。
                # 利用两个item是否同时被一个用户评分，
                #对self.freqs进行更新
                freqs[item][item2] += 1
                # 利用两个item的评分之差，对self.diffs矩阵进行更新
                diffs[item][item2] += rating - rating2
    # 将两个item在diffs 矩阵与 freqs矩阵对应位置相除，
    #结果保存到freqs中,即为两个item的平均差距
    for item, ratings in diffs.items():
        for item2, rating in ratings.items():
            ratings[item2] /= freqs[item][item2]
    return "准备完成"
# 对新的用户偏好，根据 self.diffs / self.freqs 对新用户进行评分预测
def predict(userprefs):
    # 定义两个空字典，preds存储预测数据，freqs存储计数
    preds, freqss = {}, {}
    # 迭代每一个物品（被用户评分过的）
    # 使用try/except跳过没有被评分的物品对
    for item, rating in userprefs.items():
        for diffitem, diffratings in diffs.items():
            try:
                freq = freqs[diffitem][item]
            except KeyError:
                continue
            # 设置preds初始值为0.0， freqs初始值为0
            preds.setdefault(diffitem, 0.0)
            freqss.setdefault(diffitem, 0)
            # 累加
            preds[diffitem] += freq * (diffratings[item] + rating)
            freqss[diffitem] += freq
    # 在返回结果之前，进行过滤
    # 返回一个 带权重预测值 的新字典
    # 结果中除去了 用户已经评分过的内容 和 物品计数为零的内容
    return dict([(item, value / freqss[item]) for item, value in preds.items() if item not in userprefs and freqss[item] > 0])
    #return dict(alice=dict(a=5.0, b=4.0,c=3.0),bob=dict(a=4.0 ,b = 5.0,c=3.0,d=5),lili=dict(a=4,b=4,d=5))
    #return dict([(item, value / freqss[item]) for item, value in preds.items() if item not in userprefs ])


def collaboratIve_filtering():
    try:
        print '调用接口获取json数据'
        url="http://localhost:55708/api/sp/api.ashx?action=f2971452-cae6-4587-94ec-fbcaeeb3763f"
        para={ }
        header ={}
        uid=7
        r = requests.post(url,data=para,headers= header)
        '''
        print('get请求获取的响应结果json类型',r.text)
        print('get请求获取的响应结果json类型',r.text)
        print("get请求获取响应头",r.headers['Content-Type'])
        '''
        #响应的json数据转换为可被python识别的数据类型
        predict_dic={}
        input_dict={}
        json_r = r.json()
        if(json_r["result"]==0 and len(json_r["data"])>0):
            list=json.loads(json_r["data"])
            predict_dic=list[str(uid)]
            list.pop(str(uid))
            update(list)
            prediction=predict(predict_dic)
            for item,rating in prediction.items():
                print item+":\t"+str(rating)
            print '完成'
            return prediction
        #print(json_r)
    except Exception as e:
        print str(e)
        return dict(msg=str(e))

C#

            var options = new Dictionary<string, object>();
            options["Frames"] = true;
            options["FullFrames"] = true;
            ScriptEngine pyEngine = Python.CreateEngine(options);//创建Python解释器对象
            dynamic py = pyEngine.ExecuteFile(@"D:\\python\\call.py");//读取脚本文件
            IronPython.Runtime.PythonDictionary prediction = py.collaboratIve_filtering();

具体的环境配置参考上文的链接。