快速转换C/C++；向量到Numpy数组 我使用Sigg将一些C++代码粘到Python（2.6），其中一部分包含一段代码，将大量的数据字段（数百万个值）从C++侧转换为一个NUMPY数组。我能想到的最好的方法是为类实现一个迭代器，然后提供一个Python方法： def __array__(self, dtype=float): return np.fromiter(self, dtype, self.size())

问题是，每个迭代器

下一个
调用的成本非常高，因为它必须经过三到四个SWIG包装器。时间太长了。我可以保证C++数据是连续存储的（因为它们是以STD::vector）存储的，而且它感觉就像NUMPY应该能够在它包含的值的数量上直接获取数据的指针，并且直接读取它。
有没有一种方法可以将指向
internal\u data\u0]
的指针和值
internal\u data\u0.size（）
传递给numpy，这样它就可以直接访问或复制数据，而无需所有Python开销？
您需要定义。这将允许您直接传回指针和形状信息。
如果将向量包装在实现python的对象中，则可以将其传递给numpy数组进行初始化（请参见第三个参数）。我敢打赌，这个初始化要快得多，因为它可以使用
memcpy
来复制数据。
也许可以使用f2py而不是swig。尽管名称不同，它还是能够将python与C以及Fortran连接起来。看

优点是它可以自动处理到numpy数组的转换

两个警告：如果你还不懂Fortran，你可能会发现f2py有点奇怪；我不知道它在C++中有多好。因此，唯一的真正解决方案是将一些东西放在代码> > PyPuff.I < /C> >，它可以从C++复制到现有的缓冲区中。如果将其添加到SWIG包含文件：

%insert("python") %{
import numpy as np
%}

/*! Templated function to copy contents of a container to an allocated memory
 * buffer
 */
%inline %{
//==== ADDED BY numpy.i
#include <algorithm>

template < typename Container_T >
void copy_to_buffer(
        const Container_T& field,
        typename Container_T::value_type* buffer,
        typename Container_T::size_type length
        )
{
//    ValidateUserInput( length == field.size(),
//            "Destination buffer is the wrong size" );
    // put your own assertion here or BAD THINGS CAN HAPPEN

    if (length == field.size()) {
        std::copy( field.begin(), field.end(), buffer );
    }
}
//====

%}

%define TYPEMAP_COPY_TO_BUFFER(CLASS...)
%typemap(in) (CLASS::value_type* buffer, CLASS::size_type length)
(int res = 0, Py_ssize_t size_ = 0, void *buffer_ = 0) {

    res = PyObject_AsWriteBuffer($input, &buffer_, &size_);
    if ( res < 0 ) {
        PyErr_Clear();
        %argument_fail(res, "(CLASS::value_type*, CLASS::size_type length)",
                $symname, $argnum);
    }
    $1 = ($1_ltype) buffer_;
    $2 = ($2_ltype) (size_/sizeof($*1_type));
}
%enddef


%define ADD_NUMPY_ARRAY_INTERFACE(PYVALUE, PYCLASS, CLASS...)

TYPEMAP_COPY_TO_BUFFER(CLASS)

%template(_copy_to_buffer_ ## PYCLASS) copy_to_buffer< CLASS >;

%extend CLASS {
%insert("python") %{
def __array__(self):
    """Enable access to this data as a numpy array"""
    a = np.ndarray( shape=( len(self), ), dtype=PYVALUE )
    _copy_to_buffer_ ## PYCLASS(self, a)
    return a
%}
}

%enddef

<>这只包含一个Python C++翻译调用的开销，而不是由一个典型的长度为n的数组所导致的N。
此代码的更完整版本是my的一部分。
能否提供更详细的实际实现？还有没有一种方法可以不必根据Numpy头文件编译我的项目？谢谢。它还说这是一个遗留接口。
\uuuuu数组\uuuu接口\uuuuu
只是一个普通的dict，里面有普通类型。无需使用任何Numpy头进行编译。忽略称之为“遗留”的注释。我以为我已经删除了。如果您愿意，您可以实现PEP3118缓冲区接口，但这更容易。谢谢您的提示。您有没有使用SWIG中的
pybuffer\u mutable\u binary
或其他接口来实现float等的
\u buffer\u
接口的例子？@Seth：对不起，我不能帮您。所以看起来我必须从头开始手工实现这个类的整个缓冲接口。SWIG只提供读取其他缓冲区的功能，不导出缓冲区函数。感谢您的响应。我知道一些FORTRAN，但是我在代码中使用了很多代码> C++ +<代码> -Y特性：模板、Type Debug等。我也不想引入另一个依赖关系。C++足够公平。您可能需要编写中间的纯C包装，这可能是一件痛苦的事情。另一方面，它实际上不是另一个依赖项，因为f2py是numpy的一部分，您已经在使用它了。您不需要fortran编译器。
%template(DumbVectorFloat) DumbVector<double>;
ADD_NUMPY_ARRAY_INTERFACE(float, DumbVectorFloat, DumbVector<double>);

# dvf is an instance of DumbVectorFloat
import numpy as np
my_numpy_array = np.asarray( dvf )