無需安裝Python，就能夠在.NET裏調用Python庫

Pythonnet這個屌爆的項目的出現，使得咱們能夠用一種新的方式，讓C#能夠和Python之間進行互操做。可是它的設置和部署可能有點問題，真的是這樣嗎？

本文我會介紹Python.Included這個項目，它不但優雅的解決了這個問題，而且讓.NET開發者能夠輕鬆愉快的讓.NET與Python進行互操做。做爲概念的證實，我將使用Numpy.Net進行展現，它是一個.NET標準庫，它爲Python的Numpy提供了一個強類型API，而且使用它並不須要在Windows上安裝Python。

開發人員從Numpy.NET的強類型API中獲益，與動態API不一樣，後者支持Visual Studio的IntelliSense功能，能夠顯示原始的Numpy文檔。

問題是什麼？

每一個人可能都安裝了不一樣版本的Python，有一些人用Python 2.7，其餘一些人用Python 3.5，3.6甚至3.7。當你使用pythonnet的時候，針對Python的每一個小版本，它必須使用不一樣的配置進行編譯，並且該版本的Python必須安裝，這樣代碼才能夠運行。因此若是你在團隊裏工做，每一個人就必須配置徹底相同的Python環境。但拿咱們的SciSharp團隊來講，狀況就已經不是這樣的了。若是你想部署你的.NET應用，你首先必須部署Python，從開發人員角度來說，這很鬧心。

然而，若是你正在搞機器學習和人工智能，儘管微軟和SciSharp都付出了很大努力，但目前你仍是沒法徹底避免Python的使用。若是你看一下正在使用pythonnet的項目的列表，你會發現不少AI領域的公司當前都在使用.NET與Python進行鏈接。

Python.Included 前來救援

若是你能夠很簡單的引用一個Nuget包，並在無需手動修改的狀況下，一切都會自動的配置好，假如能夠達到這種程度，你會感受怎麼樣？這就是我建立Python.Included的願景，Python.Included能夠把packages python-3.7.3-embed-amd64.zip包含在它的程序集裏，這這樣就容許你能夠經過Nuget來有效的引用Python了。爲了證實它能正常工做，並能夠快速提供全部的NumSharp中仍然缺乏的Numpy功能，我建立了基於Python.Included的Numpy.NET這個項目。

概念驗證：Numpy.NET

Numpy.NET爲Numpy提供了強類型的包裝函數，這意味着您徹底不須要使用dynamic關鍵字，但這部分我會在另外一篇文章中深刻討論。今天的重點是介紹 Numpy.NET 如何使用 Python.Included 來按需自動部署Python和Numpy以便對它們進行調用。

這是Numpy將在幕後實際執行的設置代碼。這些都不須要你來操做。一旦你使用了它的一個函數：

var a = np.array(new [,] {{1, 2}, {3, 4}});,
複製代碼

Numpy.dll 就會設置好嵌入的Python發行版，而它是從你本機home目錄裏的程序集裏解壓縮出來的（若是還沒安裝過的話）。

var installer = new Python.Included.Installer();
installer.SetupPython(force:false).Wait();
複製代碼

下一步（若是在以前的運行中還沒完成）它將解壓縮 numpy pip wheel，而numpy pip wheel 是做爲嵌入的資源打包到了Numpy.dll裏的並其安裝到了Python安裝文件裏。

installer.InstallWheel(typeof(NumPy).Assembly, "numpy-1.16.3-cp37-cp37m-win_amd64.whl").Wait();
複製代碼

最後，pythonnet運行時被初始化了，Numpy也被導入進來了，可供後續使用。

PythonEngine.Initialize();
Py.Import("numpy");
複製代碼

這些都是在幕後發生的，使用Numpy.dll的用戶根本不用擔憂本地的Python安裝。事實上，即便您已安裝了任何版本的Python也無所謂。

性能注意事項

你們都知道pythonnet比較慢，所以您可能會問本身，使用pythonnet將Python庫與.NET接在一塊兒是否真的是一個好主意。一如既往，這要看狀況而定。

個人測試結果代表，與直接從Python調用Numpy相比，使用.net調用numpy的開銷大約是它的4倍。須要澄清一下，這並不意味着Numpy.NET比python中的numpy慢四倍，這僅僅意味着經過pythonnet調用Numpy會有額外的開銷。固然了，因爲Numpy.NET調用的是Numpy，Numpy函數自己的執行時間是徹底相同的。

開銷是不是一個問題徹底取決於實際用例。若是您在一個嵌套循環中不斷的在CLR和Python之間來回切換，那就可能會遇到問題。但大多數Python庫的設計都都是爲了提升效率，避免數據循環。Numpy容許您只使用一個調用就能夠對數百萬的數組元素進行操做。Pytorch和Tensorflow容許您徹底在GPU上執行操做。所以，若是正確使用，與處理大量數據時操做的執行時間相比，互操做開銷能夠忽略不計。

路線圖

我知道如今有不少把Numpy移植到.NET上的方案和項目，例如使用IronPython。可是IronPython項目仍然只支持Python 2.7，並且項目進展很是緩慢。這就致使了依賴於python 3的庫不能經過IronPython來得到和使用，並且這種狀況在近期也不會有什麼改變。

個人重點是經過pythonnet爲.NET提供更多的機器學習和人工智能庫。SciSharp團隊也在討論如何研發出一個更快版本的pythonnet，從而避免使用天性緩慢的DynamicObject。

請嘗試一下Numpy.NET，並讓我知道它爲你作了什麼而且作的如何。若是有任何意見或建議，我將不勝感激，我但願個人工做可以幫助.NET機器學習社區成長和繁榮。