用f2py编译的Fortran Python库是否依赖NumPy？能否无依赖使用？

好问题！我刚好有过不少f2py编译和部署Fortran代码到Python的经验，来给你详细拆解这些问题：

1. 编译后的库是否依赖NumPy？ #

默认情况下是的。f2py生成的Python绑定代码会大量依赖NumPy的数组接口——毕竟NumPy是Python和Fortran之间高效传递数组数据的标准方案。编译过程中，f2py会链接NumPy的C API（比如numpy/arrayobject.h），生成的.pyd/.so库在运行时也会要求Python环境中存在NumPy模块，否则会抛出导入错误。

2. 能否在未安装NumPy的环境下使用？ #

默认情况下不行。如果终端用户的Python环境没有安装NumPy，尝试导入你的库时会直接触发ImportError，甚至在更底层的运行时阶段就会因为找不到NumPy的C库而崩溃。

3. 有没有办法消除依赖，让用户安装操作尽可能少？ #

有几种可行的方案，你可以根据自己的代码场景选择：

方案一：生成不依赖NumPy的绑定（适合标量/小数据场景） #

如果你的Fortran代码主要处理标量运算，或者对数组性能要求不高，可以在编译时给f2py加上--no-numpy参数：

f2py --no-numpy -c your_fortran_code.f95 -m your_lib_name

这个参数会让f2py生成仅依赖原生Python类型（比如列表、整数、浮点数）的绑定，完全避开NumPy。代价是数组数据需要在Python列表和Fortran数组之间做额外转换，性能会比用NumPy数组差一些，但胜在完全无依赖。

方案二：打包NumPy到你的安装包中（适合高性能数组场景） #

如果你的代码依赖NumPy的高效数组操作，不想牺牲性能，可以把NumPy和你的库一起打包成独立的安装包：

• 用pyinstaller、cx_Freeze这类工具，将你的库、NumPy以及Python解释器（可选）打包成单文件或独立目录，用户直接解压或运行安装程序即可，无需手动安装NumPy。
• 注意：不同操作系统（Windows/Linux/macOS）需要单独打包，而且要选择与目标系统匹配的NumPy版本，避免兼容性问题。

方案三：静态链接NumPy（谨慎使用） #

理论上可以将NumPy的必要C库静态链接到你的.pyd/.so文件中，但这个方法有不少坑：

• NumPy的许可证是BSD，商业产品使用没问题，但要确认静态链接是否符合许可证要求。
• 静态链接会大幅增大你的库文件体积，而且可能因为NumPy版本、系统环境的差异导致兼容性问题，维护成本很高。一般不推荐这种方式。

额外提醒 #

如果你的Fortran代码原本就没有使用数组，只是简单的数值计算，方案一绝对是最优解——既消除了依赖，又几乎没有性能损失。如果是大规模数组运算，方案二更稳妥，毕竟打包工具已经很成熟，用户体验也更好。

内容的提问来源于stack exchange，提问作者Vassil Kateliev