我一直在考虑编写一个峰形拟合库。我对Python相当熟悉，并计划首先使用Python实现所有内容，但预计最终可能需要重新用编译语言实现一些核心例程。
据我所知，Python最初的任务之一是作为原型语言，然而Python在允许将函数、函数对象、对象传递给函数和方法方面非常自由，而我怀疑C或Fortran等语言不具备同样的特征。
我应该了解哪些设计函数/类的知识，以便将其接口到编译语言中？这些潜在问题的多少已经被cTypes、bgen、SWIG、Boost.Python、Cython或Python SIP等库处理？
对于这种特定用例（拟合库），我想象中允许用户定义数学函数（Guassian、Lorentzian等）作为Python函数，然后通过编译代码拟合库进行传递和解释。传递和返回数组也是必要的。
终于有一个问题可以让我真正地回答了 :).
我对f2py、boost.python、swig、cython和pyrex进行了调查，这些都是我在光学测量技术博士工作中使用的工具。我广泛使用了swig，一些使用了boost.python和pyrex和cython。我也使用了ctypes。以下是我的总结:
声明: 这是我的个人经验。我没有参与其中任何项目。
swig: 不适用于c++。理论上应该支持，但在链接步骤中出现了命名混乱问题，这对我在linux和Mac OS X上带来了很大的麻烦。如果您有C代码并想要将其接口化到python中，它是一个好的解决方案。我包装了GTS以满足我的需求，并需要编写一个基本的C共享库来连接。我不建议使用它。
Ctypes: 我使用ctypes编写了一个libdc1394（IEEE摄像机库）包装器，这是一个非常简单的体验。你可以在https://launchpad.net/pydc1394上找到代码。将头文件转换为python代码需要很多工作，但接下来一切都可靠地工作。如果你想要接口化外部库，这是一个很好的方法。Ctypes也在python的stdlib中，因此每个人都可以立即使用您的代码。这也是快速在python中尝试新的lib的好方法。我可以推荐它来接口化外部libs。
Boost.Python:非常愉快。如果您已经拥有自己的C++代码并希望在python中使用它，请选择它。这种方式非常容易将c++类结构转换为python类结构。如果你需要在python中使用c++代码，我推荐你使用它。
使用Cython而不是Pyrex。这是绝对正确的选择。Cython更先进，更易于使用。现在，我所做的一切都用Cython来完成，这与以前使用SWIG或Ctypes没有任何区别。如果你有些运行缓慢的Python代码，那么Cython就是最佳解决方案。整个过程绝对fantastic：你将你的Python模块转化成Cython模块，构建它们，并像使用Python一样进行性能分析和优化（无需改变工具）。然后，你可以添加尽可能多（或尽可能少）的C代码到你的Python代码中。这比必须重新编写应用程序的整个部分要快得多；你只需要重写内循环即可。我没有使用SWIG或SIP，但我发现使用boost.python编写Python包装器非常强大且相对易用。
我不清楚您在C/C++和python之间传递类型的要求是什么，但您可以通过将C++类型暴露给python或使用通用的boost::python::object参数到您的C++ API轻松实现。您还可以注册转换器以自动将python类型转换为C++类型，反之亦然。
如果您打算使用boost.python，则教程是一个很好的起点。
我已经实现了与您需要的类似的东西。我有一个C++函数，接受一个python函数和一张图像作为参数，并将python函数应用于图像中的每个像素。
Image* unary(boost::python::object op, Image& im)
{
Image* out = new Image(im.width(), im.height(), im.channels());
for(unsigned int i=0; i<im.size(); i++)
{
(*out)[i] == extract<float>(op(im[i]));
}
return out;
}
import image
im = image.load('somefile.tiff')
double_im = image.unary(lambda x: 2.0*x, im)
关于使用boost的数组，我个人没有实践过，但我知道使用boost将数组暴露给Python的功能是可用的-这里可能会有所帮助。