通过 JPype 和 numpy 将 Java 类型转换为 Python

Posted 2023-02-25

【中文标题】通过 JPype 和 numpy 将 Java 类型转换为 Python

【英文标题】：Java type conversion to Python through JPype and numpy

【发布时间】：2011-09-25 20:24:14

【问题描述】：

我目前正在将一个用 Python 编写的程序移植到 Java，但遇到了一些问题。我当时正在移植程序的一部分，出于测试目的，我正在使用 JPype 使其与新的 java 类兼容。

编辑：为了让事情更清楚，我目前正在处理的类为 Python 程序的其余部分提供数据。

所以，在我的 java 类中，我在 ArrayLists 中有一些浮点值和字节值，

    ArrayList<ArrayList<Float>> dataFloat  = new ArrayList<ArrayList<Float>>();
    ArrayList<ArrayList<Byte>>  dataByte   = new ArrayList<ArrayList<Byte>>();

然后通过使用 JPype，我可以将它们放入我现在具有类型的 Python 环境中

    <class 'jpype._jclass.java.util.ArrayList'> .

现在我想简单地将这些转换为 Python 中的 numpy 数组，

    numpy.array(dataFloat) .

一开始看起来很好用，打印出来的时候看起来不错，

    [[1.0 2.0 3.0]
    [80.0 127.0 127.0]
    [255.0 255.0 255.0]] .

但是，它不适用于程序的其余部分，因为它要求值是浮点类型。进一步研究这个问题，我发现我拥有的这些“浮动”值实际上是

    <class 'jpype._jclass.java.lang.Float'>

而不是我想要的常规 Python 浮点数。与常规的 numpy 浮点数组相比，

>>> b = array([[1.1, 2.1, 3.1], [4.1, 5.1, 6.1], [7.1, 8.1, 9.1]])
>>> type((b[0])[0])
<type 'numpy.float64'>

具有所需的浮点类型。

为了能够与 Python 程序的其余部分一起运行它，我必须使用 java Float.floatValue() 转换每个元素的数组，

    arr = numpy.array(dataFloat)
    a = array([])
    for j in range(len(arr)):
        b = array([])
        if array_equal(a,[]):
           for i in arr.get(j):
              a = append(a, i.floatValue())
        else:
           for i in arr.get(j):
              b = append(b, i.floatValue())
           a = vstack((a, b))   

这当然需要很多时间，尤其是当有数千个元素时。

有谁知道这可以有效地完成？简单地说，我从 JPype 中得到了很多 java.lang.Float 值，需要转换为常规的 Python 浮点值。

【问题讨论】：

你不能保持程序原样并在java代码中启动一个jython解释器吗？

对于初学者来说，我一点也不知道如何使用 jython，也不确定它提供了什么。从那时起我就认为 JPype 很好，我可以调用和使用我的 Java 类。这样，我不必对我的 Java 代码进行任何特殊修改即可进行测试，只需在 Python 代码中进行一些重写。到目前为止，我唯一遇到的问题就是这个。可以说我想继续使用 JPype 而不是乱用其他 JavaPython 包:)

基本上jython是在jvm上写的python。您可以在您的 java 中初始化一个 jython 解释器，然后将它提供给 python（基本上）

啊，好吧，我正在处理的类现在为 Python 程序的其余部分提供信息，而不是相反。那么在那种情况下，jython 不会有任何帮助吗？

Jython 双向工作，但在这种情况下无济于事，因为 Numpy 部分是用 C 实现的，而 Jython 无法处理这些库。

【参考方案1】：

我前段时间尝试过 JPype，但在类型转换方面也遇到了一些问题。也许您可以使用http://cython.org/ 加速您的代码，有一些方法可以加快对numpy 数据结构的访问：http://docs.cython.org/src/tutorial/numpy.html

进一步评论：vstack 和 hstack 可以使用任意列表/元组进行复制。所以你可以重写你的代码（未经测试）

arr = numpy.array(dataFloat)
a = []
for j in range(len(arr)):
    b = array([])
    for i in arr.get(j):
          b = append(b, i.floatValue())
    a.append(b)
a = vstack(a)   

如果您避免调用 append()，您还可以进一步优化速度。使用固定大小 N 分配数组 b 会更快，例如使用 zero()，然后填充值：

arr = numpy.array(dataFloat)
N = ....
a = []
for j in range(len(arr)):
    b = zeros((N,))
    for k in range(N):
          i =arr.get(j)[k]:
          b[k] = i.floatValue()
    a.append(b)
a = vstack(a)   

这只有在你知道 N 时才有效。