文章目录
前言一、Process 和 Pythonnet二、.net 和 python 以及 部分包 的版本问题三、代码实现1.Process方式2.使用python.net包的方式
总结
前言
最近试着用C#调用我写好的含有多种第三方库的python程序，碰到了挺多问题，但最终还是通过使用GPT以及查看许多博客，并自己实践的方式，使用Process 以及 Pythonnet包 的方式成功调用了我的python程序。在此我直接展示代码，在代码中做了大量注释。VS2013更难得是一定要注意包的版本问题。
一、Process 和 Pythonnet
如果你只需要简单地调用一个 Python 脚本并获取输出，Process 是一个简便的方法。
如果需要更为复杂的交互，考虑使用一些库（例如 pybind11、pythonnet 等）将 Python 代码嵌入到 C# 中，以便更灵活地进行集成。
二、.net 和 python 以及 部分包 的版本问题
VS2013版本较早，因此要注意一下版本的问题，以下是我使用的版本环境： .NET FrameWork 4.5.1 vs2013支持的最高版本 python.net 2.5.2 此包去 NuGet Gallery | Home 直接搜索就行 python 3.8 我是用的Anaconda创建的一个虚拟环境的python程序执行环境 matplotlib 3.3.4 虚拟环境中py3.8适配的一个版本
三、代码实现
1.Process方式
代码如下（示例）： C# winform代码：
///
/// 运行python脚本
///
/// python文件名
/// 传递的参数
/// 脚本的标准输出行为
public static void RunPythonScript(string pyName, string[] strArgs, string mode)
{
Process p = new Process();
string path = System.AppDomain.CurrentDomain.SetupInformation.ApplicationBase + pyName;// 获得python文件的绝对路径（将文件放在c#的debug文件夹中可以这样操作）
path = @"C:\Users\Administrator\PycharmProjects\practice_first\" + pyName;//(因为我没放debug下，所以直接写的绝对路径,替换掉上面的路径了)
string sArguments = path;
foreach (string strArg in strArgs)
{
sArguments += " " + strArg;//传递参数
}
sArguments += " " + mode;//C:\\Users\\Administrator\\PycharmProjects\\practice_first\\execute.py 2 3 -u
//E:\Anaconda\envs\pytorch\python.exe 我的某个python执行器的绝对路径
//没有配环境变量的话，可以写python.exe的绝对路径(绝对路径的话具体哪个python执行器都行)。如果配了，直接写 "python.exe" 或者 python 即可
p.StartInfo.FileName = @"python";//指定python执行器
//-u 参数会影响 execute.py 脚本的标准输出行为。如果 execute.py 中有使用 print 输出信息，使用 -u 参数可以让输出更即时地显示在终端上。如果不使用 -u，输出可能会在缓冲区满或程序结束时才刷新。
//-u 参数在调试或需要实时输出信息的情况下比较有用
p.StartInfo.Arguments = sArguments;//启动应用程序时要使用的一组命令行参数
p.StartInfo.UseShellExecute = false;
p.StartInfo.RedirectStandardOutput = true;
p.StartInfo.RedirectStandardInput = true;
p.StartInfo.RedirectStandardError = true;
p.StartInfo.CreateNoWindow = true;
p.Start();
// 读取 Python 脚本的输出和错误信息
string output = p.StandardOutput.ReadToEnd();
string error = p.StandardError.ReadToEnd();
// 等待进程退出
p.WaitForExit();
// 处理输出和错误信息
Console.WriteLine("Output:");
Console.WriteLine(output);
Console.WriteLine("Error:");
Console.WriteLine(error);
// Check the exit code
int exitCode = p.ExitCode;
//Console.WriteLine($"Exit Code: {exitCode}");
}
按钮调用：
private void button2_Click(object sender, EventArgs e)
{
string[] strArgs = new string[2];//参数列表
string pyName = @"test2.py";//这里是python的文件名字
strArgs[0] = "2";
strArgs[1] = "3";
string mode = "-u";
RunPythonScript(pyName, strArgs, mode);
}
python文件 test2：
#import matplotlib as mpl 这个模块此时是找不到的
import numpy as np
import sys
x1_data = np.array([1, 2, 3, 4, 5])
x2_data = np.array([1, 2, 3, 4, 5])
y_data = np.array([3.1, 7.8, 14.2, 22.5, 32.7])
print(5*x1_data)
print(x1_data*x2_data)
res = sys.argv[1] + sys.argv[2]
print(res)
补充：当使用python.net包后，配置方式二主程序的环境变量后，方式一居然能够调用main文件了，不清楚为啥
2.使用python.net包的方式
代码如下（示例）： C# winform代码：
static class Program
{
///
/// 应用程序的主入口点。
///
[STAThread]
static void Main()
{
//另外我发现 若配置好了下面的环境变量，那么对于使用process方式的代码也可以调用下面的main.py程序了
//设置环境变量
string pathToVirtualEnv = @"E:\Anaconda\envs\pytorch";//python执行器的上级目录
Environment.SetEnvironmentVariable("PATH", pathToVirtualEnv, EnvironmentVariableTarget.Process);//第三个参数是一个用于指定环境变量的位置的枚举值。
Environment.SetEnvironmentVariable("PYTHONHOME", pathToVirtualEnv, EnvironmentVariableTarget.Process);
Environment.SetEnvironmentVariable("PYTHONPATH", pathToVirtualEnv + "\\Lib\\site-packages;" + pathToVirtualEnv + "\\Lib", EnvironmentVariableTarget.Process);
// 设置Python解释器的位置
PythonEngine.PythonHome = pathToVirtualEnv;
//这里几个个目录
PythonEngine.PythonPath = PythonEngine.PythonPath + ";" + Environment.GetEnvironmentVariable("PYTHONPATH", EnvironmentVariableTarget.Process);
Application.EnableVisualStyles();
Application.SetCompatibleTextRenderingDefault(false);
Application.Run(new Form1());
}
}
按钮调用：
private void button1_Click(object sender, EventArgs e)
{
try
{
using (Py.GIL())// 获取 Python GIL（全局解释器锁）
{
dynamic sys = Py.Import("sys");
sys.path.append(@"C:\Users\Administrator\PycharmProjects\practice_first"); // 添加Python文件的路径
dynamic module = Py.Import("main"); // 导入你的Python文件（不含.py扩展名）
// 调用Python文件中的函数或执行其他操作
Object result = module.test(); // 调用Python文件中的某个函数
// 处理 Python 函数的返回值
Console.WriteLine("计算结果为:" + result);
}
}
catch (Exception ex)
{
Console.WriteLine("Error: " + ex.Message);
}
finally
{
//PythonEngine.Shutdown(); // 关闭Python引擎
//PythonEngine.Shutdown(); // 关闭Python引擎
// 此处不关闭是因为我如果关闭了PythonEngine后，若再次点击按钮执行该程序时会报
//“System.AccessViolationException”类型的未经处理的异常在 Python.Runtime.dll 中发生 的错误
// 我采取的措施：考虑在使用完 Python 引擎之后调用 `PythonEngine.Shutdown()`，
// 例如在应用程序关闭时或在不再需要 Python 引擎的地方。这样能够确保资源得到正确地释放，避免潜在的问题。
}
}
python文件 main：
"""
这个python程序的目的 是根据某组数据来对某个模型进行拟合和优化的 所用的csv文件可以随意创建
"""
from scipy.optimize import minimize
import numpy as np
import pandas as pd
import show as s
import os
# 获取 'nba.csv' 文件的绝对路径 此处直接配置绝对路径是因为
# 如果给的是nba.csv相对路径，则在C#调用时会从bin\debug目录下寻找该文件
csv_file_path = os.path.abspath(r'C:\Users\Administrator\PycharmProjects\practice_first\nba.csv')#这句话本身就是获取某个文件的绝对路径的 r的作用是反转义-比如:\
# 加载读取实际数据
df = pd.read_csv(csv_file_path,sep='\s+',header=0,names=['产液量','含水率','温度'])
g_data = np.array(df['产液量'])
w_data = np.array(df['含水率'])
t_data = np.array(df['温度'])
# 定义原有油温计算公式（经验公式）
def origin_oil_temperature_function(params, g,w):
"""
定义公式
:param params: 待确定的多个系数，初始值看情况给就行
:param g: 输入数据一 此处是出液量
:param w: 输入数据二 此处是含水率
:return: 公式运行结果
"""
a, b, c, d = params
return (g*(1+w) - a*(1-w))/(g*b*(1+w)+c*(1-w))+d
def last_oil_temperature_function(params, g, w):
a, b, c, d = params
return (g*(1+w) - a)/(b+c*g*(1+w))+d
# 定义损失函数（拟合数据与实际数据的差异）
def origin_loss_function(params):
return np.sum((origin_oil_temperature_function(params, g_data, w_data) - t_data)**2)
def last_loss_function(params):
return np.sum((last_oil_temperature_function(params, g_data, w_data) - t_data)**2)
# 初始猜测参数
initial_guess = [23.00, 0.0549, 3.5447, 21.5]
# 计算原公式的优化前结果
origin_before_t = origin_oil_temperature_function(initial_guess, g_data, w_data)
# 使用 BFGS 方法进行参数优化
result_origin = minimize(origin_loss_function, initial_guess, method='BFGS')
initial_guess = [5.00, 2.9449, 0.0763, 22.0]
# 计算新公式的优化前结果
last_before_t = last_oil_temperature_function(initial_guess, g_data, w_data)
result_last = minimize(last_loss_function, initial_guess, method='BFGS')
# 输出优化得到的参数
optimal_params_origin = result_origin.x
optimal_params_last = result_last.x
print("Origin Optimal Parameters:", optimal_params_origin)
print("Last Optimal Parameters:", optimal_params_last)
# 计算原公式的优化后结果
origin_after_t = origin_oil_temperature_function(optimal_params_origin, g_data, w_data)
last_after_t = last_oil_temperature_function(optimal_params_origin, g_data, w_data)
# 使用优化得到的参数绘制拟合的曲线
t_fit_origin = origin_oil_temperature_function(optimal_params_origin, g_data, w_data)
# 计算新公式的优化后结果
t_fit_last = last_oil_temperature_function(optimal_params_last, g_data, w_data)
def test():
# 显示结果
s.show_info(g_data, w_data, t_data, t_fit_origin,'origin')
s.show_info(g_data, w_data, t_data, t_fit_last,'last')
s.show_gap_info(g_data,w_data, origin_before_t - t_data,'origin-before')
s.show_gap_info(g_data,w_data, origin_after_t - t_data,'origin-after')
s.show_gap_info(g_data,w_data, last_before_t - t_data,'last-before')
s.show_gap_info(g_data,w_data, last_after_t - t_data,'last-after')
a = np.array([1,2,3,5,6])
b = np.array([1,2,3,5,6])
c = a * b
print("success")
return c
if __name__ == '__main__':
test()
main文件中用到的show文件：
import matplotlib as mpl
import matplotlib.pyplot as plt
mpl.use('TkAgg') # !IMPORTANT 更改在这里！！！！！！！！！
def show_info(x, y, z1, z2, type):
"""
将每一个条数据的 原始结果 和 优化后结果 显示出来
:param x: 输入变量一
:param y: 输入变量二
:param z1: 原结果
:param z2: 优化后结果
:param type: 公式类型
:return:
"""
# 创建一个 3D 图形窗口
fig = plt.figure()
# 添加 3D 子图
ax = fig.add_subplot(111, projection='3d')
# 绘制多条线
ax.plot(x, y, zs=z1, zdir='z', label='actual value '+type)# zs: 这是一个标量或一维数组，表示线的 z 坐标。
ax.plot(x, y, zs=z2, zdir='z', label='optimize value '+type)# zdir: 这是一个字符串，表示线在 3D 空间中的方向。
# 设置坐标轴标签
ax.set_xlabel('sole well liquid quantity')
ax.set_ylabel('contain water rate')
ax.set_zlabel('out oil tem')
# 添加图例
ax.legend()
# 显示图形
# plt.rcParams['font.sans-serif'] = ['esri_730']
# plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题
plt.show()
def show_gap_info(x, y, gap_data,type):
"""
将每一条数据的 当前计算结果 和 真实结果 的差距显示出来
:param x: 输入变量一
:param y: 输入变量二
:param gap_data: 差距结果
:param type: 差距类型
:return:
"""
# 创建一个 3D 图形窗口
fig = plt.figure()
# 添加 3D 子图
ax = fig.add_subplot(111, projection='3d')
# 绘制多条线
ax.plot(x, y, zs=gap_data, zdir='z', label='gap-'+type)# zs: 这是一个标量或一维数组，表示线的 z 坐标。
# 设置坐标轴标签
ax.set_xlabel('sole well liquid quantity')
ax.set_ylabel('contain water rate')
ax.set_zlabel('gap-'+type)
# 添加图例
ax.legend()
# 显示图形
plt.show()
补充：使用方式二时碰到了一个注释中没有说明的bug，即：TclError: Can‘t find a usable init.tcl in the following directories，解决方法是将tcl8.6 以及 tk8.6 复制到报错信息中指定的目录下即可，比如 当前python虚拟环境中的Lib目录下。
总结
以上就是今天要讲的内容，我用了几天的时间才解决这个问题，在此记录一下，说到底还是VS2013版本太老了，但我又必须要用这个版本，就这样。
相关链接
发表评论