项目使用Qt搭建了一个数据库软件,这个软件还需要有一些数据分析、特征重要度计算、性能预测等功能,而python的机器学习第三方库比较成熟,使用起来也比较便捷,因此这里需要用到Qt(c++)+python混合编程,在此记录一下相关方法与问题,以方便自己与他人。
本项目使用的是QtCreator(Qt5.5.0)+VisualStudio2013+python3.6.5搭建。其他版本只要版本是正确对应的,都大同小异。
文章目录
- 准备工作
- Qt调用python脚本
- python文件
- Qvector转pyObject类型
- Qt调用python脚本
- 在Qt项目中调用`kde.py`的`plotKDE`函数显示图像(有输入,无返回值):
- 在Qt项目中调用`kde.py`的`loadData`函数读取本地数据(无输入,有返回值):
- 注意事项
- Reference:
准备工作
假设你已经正确安装了Qt和python,由于Qt中的slots
关键字与python重复,这里我们需要修改一下文件../Anaconda/include/object.h
(注意先将原文件备份):
原文件(448行):
typedef struct{
const char* name;
int basicsize;
int itemsize;
unsigned int flags;
PyType_Slot *slots; /* terminated by slot==0. */
} PyType_Spec;
修改为:
typedef struct{
const char* name;
int basicsize;
int itemsize;
unsigned int flags;
#undef slots // 这里取消slots宏定义
PyType_Slot *slots;/* terminated by slot==0. */
#define slots Q_SLOTS // 这里恢复slots宏定义与QT中QObjectDefs.h中一致
} PyType_Spec;
完成上述工作后我们需要在.pro
文件中加入python的路径信息(我的python路径是Y:/Anaconda
):
INCLUDEPATH += -I Y:/Anaconda/include
LIBS += -LY:/Anaconda/libs -lpython36
将python3.dll
,python36.dll
,pythoncom36.dll
,pywintypes36.dll
放到.exe
目录下。
Qt调用python脚本
python文件
创建一个python脚本放在release
项目目录下,这里我们新建了一个kde.py
,其中包含无返回值函数plotKDE(x, column, kernel, algorithm, breadth_first, bw, leaf_size, atol, rtol, title)
用于绘制核KDE曲线与直方图和有返回值函数loadData()
用于读取本地.csv
文件,图像绘制效果如下所示:
kde.py
部分代码如下(为方便表达,后续步骤中我们将plotKDE
函数简写为plotKDE(x, column, kernel)
):
import csv
import os
import matplotlib as mpl
from matplotlib import pyplot as plt
import numpy as np
from sklearn.neighbors import KernelDensity
mpl.use('TkAgg')
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
BASE_DIR = os.path.dirname(__file__)
file_path = os.path.join(BASE_DIR, 'train.csv')
def plotKDE(x, column, kernel='gaussian', algorithm='auto', breadth_first=1,
bw=30, leaf_size=40, atol=0, rtol=1E-8, title):
# kde
x_plot = np.linspace(min(x), max(x), 1000).reshape(-1, 1)
x = np.mat(x).reshape(-1, 1)
fig, ax = plt.subplots()
kde = KernelDensity(bandwidth=bw, algorithm=algorithm, kernel=kernel,
atol=atol, rtol=rtol, breadth_first=breadth_first,
leaf_size=leaf_size).fit(x)
log_dens = kde.score_samples(x_plot)
ax.hist(x, density=True, color='lightblue')
ax.plot(x_plot[:, 0], np.exp(log_dens))
plt.title(title[column])
plt.show()
def loadData():
x = []
with open(file_path, 'rt') as csvfile:
reader = csv.reader(csvfile)
for line in reader:
tmp = list(map(float, line[4:]))
x.append(tmp)
return x
Qvector转pyObject类型
此处新建了一个类用于将Qt中存储的数据的QVector<double>
类型等转换为用于python脚本的QObject
类型。QVector<QVector<double>>
的转换方法可以此类推。
PyObject *Utility::UtilityFunction::convertLabelData(QVector<double> *labels)
{
int labelSize = labels->size();
PyObject *pArgs = PyList_New(labelSize);
for (int i = 0; i < labelSize; ++i) {
PyList_SetItem(pArgs, i, Py_BuildValue("d", (*labels)[i]));
}
return pArgs;
}
Qt调用python脚本
在Qt项目中调用kde.py
的plotKDE
函数显示图像(有输入,无返回值):
// 初始化
Py_Initialize();
if (!Py_IsInitialized()) {
printf("inititalize failed");
qDebug() << "inititalize failed";
return ;
}
else {
qDebug() << "inititalize success";
}
// 加载模块,即loadtraindata.py
PyObject *pModule = PyImport_ImportModule("kde");
if (!pModule) {
PyErr_Print();
qDebug() << "not loaded!";
return ;
}
else {
qDebug() << "load module success";
}
// QVector<double> pKDE中存放了选中列的所有数据
PyObject *pKDEdata = Utility::UtilityFunction::convertLabelData(&pKDE); // 类型转换
PyObject *pArg = PyTuple_New(3);
PyTuple_SetItem(pArg, 0, pKDEdata);
// int column表示选中的列的索引
PyTuple_SetItem(pArg, 1, Py_BuildValue("i", column));
// Qstring kernel表示核类型
PyTuple_SetItem(pArg, 2, Py_BuildValue("s", kernel.toStdString().c_str()));
// 加载函数loadData()
PyObject *pFunc = PyObject_GetAttrString(pModule, "plotKDE");
if (!pFunc) {
printf("get func failed!");
}
else {
qDebug() << "get func success";
}
PyObject_CallObject(pFunc, pArg);
Py_DECREF(pModule);
Py_DECREF(pFunc);
Py_Finalize();
在Qt项目中调用kde.py
的loadData
函数读取本地数据(无输入,有返回值):
Py_Initialize();
QVector<QVector<double> > *trainData; // 存储python脚本读入的数据
if (!Py_IsInitialized()) {
printf("inititalize failed");
qDebug() << "inititalize failed";
return ;
}
else {
qDebug() << "inititalize success";
}
// 添加当前路径(读文件的时候才需要)
PyRun_SimpleString("import sys");
PyRun_SimpleString("sys.path.append('./')");
// 加载模块,即loadtraindata.py
PyObject *pModule = PyImport_ImportModule("kde");
if (!pModule) {
PyErr_Print();
qDebug() << "not loaded!";
return ;
}
else {
qDebug() << "load module success";
}
// 加载函数loadData()
PyObject *pLoadFunc = PyObject_GetAttrString(pModule, "loadData");
if (!pLoadFunc) {
printf("get func failed!");
}
else {
qDebug() << "get func success";
}
PyObject *retObjectX = PyObject_CallObject(pLoadFunc, NULL); // 获得python脚本返回数据
if (retObjectX == NULL) {
qDebug() << "no return value";
return ;
}
/*
将retObjectX导入trainData中(二维数据)
*/
int row = PyList_Size(retObjectX);
for (int i = 0; i < row; ++i) {
PyObject *lineObject = PyList_GetItem(retObjectX, i);
int col = PyList_Size(lineObject);
QVector<double> tmpVect;
for (int j = 0; j < col; ++j) {
PyObject *singleItem = PyList_GetItem(lineObject, j);
double item = PyFloat_AsDouble(singleItem);
tmpVect.push_back(item);
}
trainData->push_back(tmpVect);
}
Py_Finalize();
注意事项
这里列写一下软件搭建过程中遇到的问题,以供参考。
- 重装python的话别忘了修改
.pro
文件中的python路径; - importError:dll not load:
常见的matplotlib,numpy等DLL加载错误,通常是由python与对应的第三方包的版本不一致导致的。将anaconda文件下的python.dll
和python3.dll
文件拷贝到qt可执行文件exe同级目录下并覆盖。 - 多次调用
Py_Initialize()
和Py_Finalize()
可能会出现异常:
最好在main.cpp里就输入Py_Initialize()
,程序最后再Py_Finalize()
; - 32位电脑中打开程序报错:Appcrash异常代码40000015。出现这个问题时应在系统环境变量中创建一个名为
PYTHONHOME
,值为E:\Anaconda
(Anaconda安装地址)的变量,并在Path
中增加变量$PYTHONHOME$
和$PYTHONHOME$\Scripts
即可。
Reference:
[1] QT与Python混合编程经验记录:http://wwwblogs/jiaping/p/6321859.html
[2] C++调用python浅析:https://blog.csdn/magictong/article/details/8947892
本博客与https://xuyunkun同步更新
更多推荐
Qt+Python混合编程
发布评论