Ctypes

ctypes 的全称是 C types foreign function library for Python。它的主要作用是在 Python 中加载并调用 C 语言动态链接库（Shared Library），并在两种语言之间传递数据, 实现 Python 与底层高性能代码的无缝结合。

基本用法结构

import ctypes

# 1️⃣ 加载动态库
lib = ctypes.CDLL("./mylib.so")  # Linux
# 或：ctypes.WinDLL("mylib.dll")  # Windows
# 或：ctypes.CDLL("./mylib.dylib")  # macOS

# 2️⃣ 声明函数参数类型和返回值类型
lib.add.argtypes = [ctypes.c_double, ctypes.c_double]  # 声明add函数的参数类型
lib.add.restype = ctypes.c_double                 # 声明add函数的返回值类型

# 3️⃣ 调用函数
result = lib.add(1.5, 2.3)
print(result)  # 输出 3.8

主要功能分类

加载动态库 ctypes 提供了多种函数来加载不同类型的动态库，常用的有:

函数 说明 ctypes.CDLL(path) 加载普通 C 动态库（标准调用约定） ctypes.WinDLL(path) Windows 专用，适用于 stdcall 调用约定 ctypes.PyDLL(path) Python 扩展库加载（保留 GIL）

常见的 C 类型映射 C 类型 Python 映射 int ctypes.c_int float ctypes.c_float double ctypes.c_double char ctypes.c_char char* ctypes.c_char_p void* ctypes.c_void_p bool ctypes.c_bool struct 自定义 ctypes.Structure 子类

传递数组 C 语言中常常需要传递数组指针, 可以用 ctypes 的 POINTER 或 Array 来完成。 POINTER的作用是创建一个指向某种类型的指针类型。

import ctypes

# 创建一个 double 数组
DoubleArray = ctypes.c_double * 5
arr = DoubleArray(1.0, 2.0, 3.0, 4.0, 5.0)

# 假设 C 函数定义：double mean(double* arr, int n)
lib.mean.argtypes = [ctypes.POINTER(ctypes.c_double), ctypes.c_int]
lib.mean.restype = ctypes.c_double

print(lib.mean(arr, 5))

除此之外, 还可以直接用 NumPy 数组的 .ctypes 接口拿到指针：

import numpy as np

arr = np.arange(10, dtype=np.double)
ptr = arr.ctypes.data_as(ctypes.POINTER(ctypes.c_double))
lib.mean(ptr, len(arr))

示例

下面是一个完整的示例，展示了如何用 ctypes 调用一个简单的 C 动态库函数。

# Python 端代码

import ctypes
import numpy as np

# 加载C++编译的动态库
# 假设 'fast_indicators.so' 是由 C++ 源码编译而来的
lib = ctypes.CDLL('./fast_indicators.so')

# 声明C++函数接口
# 告诉 Python，C++ 中的 calculate_sma 函数的参数类型
lib.calculate_sma.argtypes = [
    ctypes.POINTER(ctypes.c_double), # prices (价格数组指针)
    ctypes.c_int,                    # length (数组长度)
    ctypes.c_int,                    # period (移动平均周期)
    ctypes.POINTER(ctypes.c_double)  # result (结果数组指针)
]

def fast_sma(prices, period):
    """使用C++实现的快速移动平均"""
    
    # 1. 将 Python 数据转换为 C++ 兼容的类型
    prices_arr = (ctypes.c_double * len(prices))(*prices)
    result_arr = (ctypes.c_double * len(prices))() # 创建一个空的 C 类型数组来接收结果

    # 2. 调用 C++ 函数
    lib.calculate_sma(prices_arr, len(prices), period, result_arr)

    # 3. 将 C++ 返回的结果转换回 Python 的 numpy 数组
    return np.array(result_arr)

# 在Python策略中调用
class HybridStrategy:
    def __init__(self):
        self.prices = []

    def on_tick(self, price):  # 模拟接收行情数据
        self.prices.append(price) # 收集价格数据

        if len(self.prices) > 100:
            # 用 C++ 计算移动平均，速度快很多
            # 只取最后100个价格计算周期为20的SMA
            sma_values = fast_sma(self.prices[-100:], 20)
            
            # 获取计算出的最新的SMA值
            sma = sma_values[-1]

            # 用Python写交易逻辑，清晰易懂
            if price > sma:
                return "BUY"
            elif price < sma:
                return "SELL"
        
        return "HOLD"

if __name__ == "__main__":
    strategy = HybridStrategy()
    # 模拟接收行情数据
    for price in np.random.rand(200) * 100:
        action = strategy.on_tick(price)
        if action != "HOLD":
            print(f"Price: {price:.2f}, Action: {action}")