Python高阶API开发方法

1.使用方法

1.1.虚拟环境配置

  通过server_conf.xml中的webRoot参数进行配置虚拟环境路径，程序将自动创建虚拟空间，在该目录下生成.python_embed_venv文件夹，python环境及第三方依赖存储在该文件夹下。

1.2.实例化

  实例化PythonEmbedCaller类，参数为：python文件地址/python代码段、python版本（python或python3，传空则默认使用python）；

    例：PythonEmbedCaller pythonEmbedCaller = new PythonEmbedCaller("/wwwdata/product/udso/dynamic/my_func.py", "python");

1.3.调用

1.3.1.方式1：无参函数 + 手动指定依赖

    // 调用无参方法。参数：python方法名、依赖集合

    JsonNode result1 = pythonEmbedCaller.callPythonFunctionNoArgs("get_version", Collections.emptyList());

    System.out.println(result1.toPrettyString());

1.3.2.方式2：有参函数 + 手动指定依赖

    // 设置参数

    Map input = new HashMap<>();

    input.put("values", Arrays.asList(10.0, 20.0, 30.0));

    // 显式声明依赖：numpy 和 pandas

    List deps = Arrays.asList("numpy", "pandas");

    // 调用有参方法。参数：python方法名、参数、依赖集合

    JsonNode result2 = pythonEmbedCaller.callPythonFunctionWithArg("process", input, deps);

    System.out.println(result2.toPrettyString());

1.3.3.方式3：自动探测并安装缺失依赖

    // 设置参数

    Map input = new HashMap<>();

    input.put("values", Arrays.asList(1.5, 2.5, 3.5));

    // 不传任何依赖列表！系统自动处理。参数：python方法名、参数

    JsonNode result3 = pythonEmbedCaller.callPythonFunctionAutoDep("process", input);

    System.out.println(result3.toPrettyString());

1.3.4.方式4：执行code而非文件并自动探测依赖

    // 定义code

    String code =

          "def compute(data):n" +

               "    import mathn" +

               "    return {'sqrt': math.sqrt(data['x'])}n";

    // 设置参数

    Map input = new HashMap<>();

    input.put("x", 16.0);

    // 调用。参数：python代码段、python方法名、参数

    JsonNode result4 = pythonEmbedCaller.callPythonCode(code, "compute", input);

    System.out.println(result4.toPrettyString());

2.python代码文件：my_func.py示例

注：.py文件需增加# -*- coding: utf-8 -*-指定utf-8

    # -*- coding: utf-8 -*-
    import numpy as np
    import pandas as pd  # 故意加一个可能未安装的包
    import sys

    def get_version():
        return {"version": "2.0"}

    def process(data):
        arr = np.array(data["values"])
        df = pd.DataFrame({"x": arr})
        return {
            "sum": float(arr.sum()),
            "mean": float(arr.mean()),
            "rows": len(df)
        }

    def hello_with_progress(n):
        # 兼容 Python 2 和 Python 3
        if sys.version_info[0] < 3:
            print ">>> Python executable:", sys.executable
            print ">>> sys.prefix:", sys.prefix
        else:
           print(">>> Python executable:", sys.executable)
           print(">>> sys.prefix:", sys.prefix)
    
        import tqdm
        for i in tqdm.tqdm(range(n)):
            pass
        return {"status": "completed", "count": n}