Cython 与 Numpy 数组

虽然Python常因速度问题被人诟病，但实际科学计算应用时Numpy大部分场合下可满足性能要求。必要情况下，将程序中的热点用Cython重写能极大地提高运行速度。那么问题来了，需要与Cython模块外的Numpy数组互动怎么办最好？让我们来看看如何在 Numpy数组 与 C 动态数组间转换。

内存视图（Memory View）

cef view = <int[:]> ndarr
cdef np.complex128_t[:,:] view = <np.complex128_t[:n,:m]> c_pointer

数组转为C指针

<int *> &ndarr[0]

这里的 ndarr 应当是 C_continuous 的。传入参数可以通过以下形式来保证这点：

def func(np.ndarray[double, ndim=2, mode="c"]):
    pass

将内存传给数组

在C下分配的内存要传给数组相对就要麻烦一些，因为要考虑释放的问题。

import numpy as np
cimport numpy as np
cdef pointer_to_numpy_array(void * ptr, np.npy_intp size):
    '''Convert c pointer to numpy array.
    The memory will be freed as soon as the ndarray is deallocated.
    author: Kynan & Stefan (http://stackoverflow.com/questions/23872946/)
    '''
    cdef extern from "numpy/arrayobject.h":
        void PyArray_ENABLEFLAGS(np.ndarray arr, int flags)
    cdef np.ndarray[np.npy_byte, ndim=1] arr = np.PyArray_SimpleNewFromData(1, &size, np.NPY_BYTE, ptr)
    PyArray_ENABLEFLAGS(arr, np.NPY_OWNDATA)
    return arr

之后可以用 arr.view(dtype) 将数据转成你想要的类型。