Python, C++ - 位运算与逻辑运算

8 篇文章 0 订阅

1. 位运算

Python 和 C++ 中的位运算符相同。

1.1 按位与 &
  • 参与运算的数据,按二进制形式进行按位“与”运算。
  • Python中:
    In [2]: 12 & 10 # 12的二进制为 0b1100,10的二进制表示为 0b1010
    Out[2]: 8
    In [3]: 0b1100 & 0b1010
    Out[3]: 8
    
    负数按补码形式参加按位运算。
  • 作用:
    1. 清零
    2. 取数据的二进制形式的其中几位 。
1.2 按位或 |
  • 参与运算的数据,按二进制形式进行按位“或”运算。
  • 作用:
    1. 对数据的某些位置1
1.3 按位异或 ^
  • 参与运算的数据,按二进制形式进行按位“异或”运算。
  • 作用:
    1. 取反:一个数与1(对应位全为1)异或;
    2. 清零:一个数与自身异或;
    3. 得到自身:一个数与0异或;
1.4 按位取反 ~
  • 参与运算的数据,按二进制形式进行按位“取反”运算。

2. 逻辑运算

C语言无bool类型,C++中新增了bool类型,即只有两个取值,true, false
此处注意Python中的bool类型为TrueFalse首字母大写
单个的逻辑表达式难以表达复杂逻辑 => 出现逻辑运算
逻辑运算包括:与、或、非

2.1 逻辑与

逻辑与运算是“短路”的。

  • Python中:and
  • C++中:&&
2.2 逻辑或

逻辑或运算符也是“短路”的。

  • Python中:or
  • C++中:||
2.3 逻辑非
  • Python中:not
  • C++ 中:!
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
C++ 中调用 Python 进行矩阵运算,可以使用 Python 的 C API 或者使用第三方库。这里介绍使用第三方库 Boost.Python 实现 C++ 调用 Python 进行矩阵运算的方法。 首先,需要安装 Boost.Python 和 NumPy 库。Boost.Python 是一个 C++ 库,用于将 C++ 代码与 Python 解释器集成在一起。NumPy 是一个 Python 库,用于高效地计算多维数组和矩阵。 假设我们已经安装好了 Boost.Python 和 NumPy 库,并且已经编写好了一个 Python 脚本 `matrix.py`,用于实现矩阵计算。该脚本中包含了一个名为 `matrix_multiply` 的函数,用于计算两个矩阵的乘积。可以使用以下代码将该函数导出到 C++ 中: ```python #include <boost/python.hpp> #include <numpy/arrayobject.h> using namespace boost::python; // 导出函数 object matrix_multiply(object A, object B) { // 将 Python 对象转换为 NumPy 数组 PyArrayObject *array_A = reinterpret_cast<PyArrayObject*>(A.ptr()); PyArrayObject *array_B = reinterpret_cast<PyArrayObject*>(B.ptr()); // 获取数组的维度和元素类型 int ndim_A = PyArray_NDIM(array_A); int ndim_B = PyArray_NDIM(array_B); int *shape_A = PyArray_SHAPE(array_A); int *shape_B = PyArray_SHAPE(array_B); int dtype_A = PyArray_TYPE(array_A); int dtype_B = PyArray_TYPE(array_B); // 检查数组的维度和元素类型是否正确 if (ndim_A != 2 || ndim_B != 2 || shape_A[1] != shape_B[0] || dtype_A != NPY_DOUBLE || dtype_B != NPY_DOUBLE) { PyErr_SetString(PyExc_ValueError, "Invalid input arguments"); throw_error_already_set(); } // 创建输出数组 npy_intp shape_C[] = {shape_A[0], shape_B[1]}; PyArrayObject *array_C = reinterpret_cast<PyArrayObject*>(PyArray_SimpleNew(2, shape_C, NPY_DOUBLE)); // 计算矩阵乘积 double *data_A = reinterpret_cast<double*>(PyArray_DATA(array_A)); double *data_B = reinterpret_cast<double*>(PyArray_DATA(array_B)); double *data_C = reinterpret_cast<double*>(PyArray_DATA(array_C)); for (int i = 0; i < shape_A[0]; i++) { for (int j = 0; j < shape_B[1]; j++) { double sum = 0.0; for (int k = 0; k < shape_A[1]; k++) { sum += data_A[i * shape_A[1] + k] * data_B[k * shape_B[1] + j]; } data_C[i * shape_B[1] + j] = sum; } } // 将输出数组转换为 Python 对象并返回 object result = object(handle<>(array_C)); Py_INCREF(array_C); return result; } // 导出模块 BOOST_PYTHON_MODULE(matrix) { import_array(); def("matrix_multiply", matrix_multiply); } ``` 在上面的代码中,我们首先包含了 Boost.Python 和 NumPy 库的头文件。然后,定义了一个名为 `matrix_multiply` 的函数,用于计算两个矩阵的乘积。该函数的输入参数是两个 Python 对象 `A` 和 `B`,分别代表两个矩阵。在函数中,我们将 Python 对象转换为 NumPy 数组,并检查数组的维度和元素类型是否正确。然后,创建输出数组 `C`,并使用三重循环计算矩阵乘积。最后,将输出数组转换为 Python 对象并返回。 在定义完函数后,我们使用 Boost.Python 导出该函数,并将其编译为动态链接库。在 C++ 中,可以使用以下代码调用该函数: ```cpp #include <iostream> #include <boost/python.hpp> using namespace std; using namespace boost::python; int main() { // 初始化 Python 解释器 Py_Initialize(); import_array(); try { // 导入 Python 模块 object module = import("matrix"); // 创建输入矩阵 npy_intp shape_A[] = {2, 3}; double data_A[] = {1, 2, 3, 4, 5, 6}; object A = object(handle<>(PyArray_SimpleNewFromData(2, shape_A, NPY_DOUBLE, data_A))); npy_intp shape_B[] = {3, 2}; double data_B[] = {7, 8, 9, 10, 11, 12}; object B = object(handle<>(PyArray_SimpleNewFromData(2, shape_B, NPY_DOUBLE, data_B))); // 调用 Python 函数 object C = module.attr("matrix_multiply")(A, B); // 打印输出矩阵 PyArrayObject *array_C = reinterpret_cast<PyArrayObject*>(C.ptr()); double *data_C = reinterpret_cast<double*>(PyArray_DATA(array_C)); int *shape_C = PyArray_SHAPE(array_C); for (int i = 0; i < shape_C[0]; i++) { for (int j = 0; j < shape_C[1]; j++) { cout << data_C[i * shape_C[1] + j] << " "; } cout << endl; } } catch (error_already_set) { PyErr_Print(); } // 关闭 Python 解释器 Py_Finalize(); return 0; } ``` 在上面的代码中,我们首先初始化 Python 解释器,并导入 Boost.Python 和 NumPy 库。然后,使用 Boost.Python 导入 Python 模块 `matrix`。接着,创建两个输入矩阵 `A` 和 `B`,并将其作为参数调用 Python 函数 `matrix_multiply`。最后,将输出矩阵 `C` 打印出来,以验证计算结果是否正确。 需要注意的是,使用 Boost.Python 调用 Python 函数时,需要在程序开头和结尾分别调用 `Py_Initialize()` 和 `Py_Finalize()` 函数来初始化和关闭 Python 解释器。在 C++ 中,可以使用 Boost.Python 提供的 `object` 类型来表示 Python 对象,使用 `attr` 函数来调用 Python 对象的属性或方法。在将 Python 对象转换为 NumPy 数组时,需要使用 `reinterpret_cast` 函数进行类型转换。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值