在不复制数据的情况下将std:：vector转换为NumPy数组 我有一个C++库，里面有一些方法，里面返回一个 STD:：vector < /C> >定义为 public: const std::vector<uint32_t>& getValues() const;

但这会导致原始向量中的所有条目首先由SWIG复制到Python元组中，然后由我再次复制到numpy数组中。因为这个向量可能非常大，所以我宁愿避免制作这两个副本，并希望找到一种方法让SWIG在内存中的原始向量数据周围创建一个numpy.array包装器

我已经阅读了文档，但是明确地提到了输出数组不被支持，因为它们看起来是在C样式数组而不是C++向量的假设下工作的。 数组的底层数据结构只是一个C样式数组，它是C++的STD:：vector，所以我希望在内存中访问相同的数据是可行的。

---

有没有办法让Sigg返回一个不复制原始数据的NUPYPART数组？

显然，将C++向量“（c））数组“投”是微不足道的，请看这个问题的答案：

接下来，您可以创建一个numpy数组，该数组将使用该C数组，而无需复制、查看或谷歌搜索

PyArray\u SimpleNewFromData

---

我不希望SWIG自动为您完成所有这些，相反，您可能应该自己为您的函数

getValues

编写一个包装，比如

getValuesAsNumPyArray

，似乎

PyArray\u SimpleNewFromData

需要您自己进行内存管理；如果内存管理已经在C++端上处理，也就是说Python对内存不负责，可以使用<代码> NP.ASARTAs/CODE >获得一个与C++向量共享内存的NUMPY数组，比如：

from libcpp.vector cimport vector
import numpy as np
cdef vector[double] vec
vec.push_back(1)
vec.push_back(2)
cdef double *vec_ptr = &vec[0]    # get hold of data array underlying vec; also vec.data() if you have C++11
cdef double[::1] vec_view = <double[:vec.size()]>vec_ptr    # cast to typed memory view
vec_npr = np.asarray(vec_view)    # get numpy array from memory view
print(vec_npr)    # array([1.0, 2.0])

来自libcpp.vector cimport vector
将numpy作为np导入
cdef向量[双]向量
向量推回（1）
向量推回（2）
cdef double*vec_ptr=&vec[0]#获取vec底层的数据数组；如果您有C++11，也可以使用vec.data（）
cdef double[：：1]vec_view=vec_ptr#转换为类型化内存视图
vec_npr=np.asarray（vec_视图）#从内存视图获取numpy数组
打印（vec_npr）#数组（[1.0,2.0]）

---

< Kurt Smith的Cython书第10章中的“包装C和C++数组”部分提供了很好的例子。另请参见。

这导致python崩溃。这是可行的，但是

np.asarray

速度很慢。使用

PyArray\u SimpleNewFromData

可获得更好的性能。在调用任何

PyArray.*

函数之前，请记住调用

import\u array

函数。

from libcpp.vector cimport vector
import numpy as np
cdef vector[double] vec
vec.push_back(1)
vec.push_back(2)
cdef double *vec_ptr = &vec[0]    # get hold of data array underlying vec; also vec.data() if you have C++11
cdef double[::1] vec_view = <double[:vec.size()]>vec_ptr    # cast to typed memory view
vec_npr = np.asarray(vec_view)    # get numpy array from memory view
print(vec_npr)    # array([1.0, 2.0])