做一个C++；类看起来像使用swig的numpy数组 什么是一个公开C++类的好方法，它提供了一个与NoPy（SIPY）？一起使用的数组式接口？

所谓数组式接口，我指的是：

//file:Arr.h
class Arr{
public:
    int n_rows;
    int n_cols;
    float* m_data;

    Arr(int r, int c, float v);
    virtual ~Arr();
    float get(int i, int j);
    void set(int i, int j, float v);

    long data_addr(){
        return (long)(m_data);
    }
};

限制条件：

• 我只关心将底层数据存储为连续平面阵列的类
• 该类将提供对原始存储的公共访问（可能通过函数）
我不能将Python特定代码添加到C++头文件/源文件（我们不需要） 对C++代码有一个Python依赖性，因此对C++有任何修改 必须通过SWIG（例如，

%extend

）进行侧边操作

我目前的方法是在SWIG

.i

文件中放置一个

pythoncode

块 看起来像

%pythoncode{
def arraylike_getitem(self, arg1,arg2 ):
   # the actual implementation to handle slices
   # is pretty complicated but involves:
   # 1. constructing an uninitialized  numpy array for return value
   # 2. iterating over the indices indicated by the slices,
   # 3. calling self.getValue for each of the index pairs,
   # 4. returning the array

# add the function to the ArrayLike class
Arr.__getitem__=arraylike_getitem
%}

<> > <代码>数组类< /C> >是保存数字数据的C++类（作为平面数组）， 并提供成员函数以获取/设置单个值

主要缺点是步骤1。上图：我必须复制任何切片 我从我的c-array类中获取。（主要优点是通过返回 numpy数组对象，我知道我可以在任何我想要的numpy操作中使用它。）

我可以想象两种方法来改善这一点：

向c类添加（通过SWIG

%extend

）附加功能，或

让python函数返回数组切片代理对象

我的主要障碍是不知道一个对象需要（有效地）实现什么接口才能像numpy数组一样嘎嘎作响

测试用例

以下是我的测试设置：

//file:Arr.h
class Arr{
public:
    int n_rows;
    int n_cols;
    float* m_data;

    Arr(int r, int c, float v);
    virtual ~Arr();
    float get(int i, int j);
    void set(int i, int j, float v);

    long data_addr(){
        return (long)(m_data);
    }
};

//-----------------------------------------------------------

//file Arr.cpp
#include "Arr.h"

Arr::Arr(int r, int c, float v): n_rows(r), n_cols(c), m_data(0){
    m_data=new float[ r*c ];
    for( int i=0; i<r*c; ++i){
        m_data[i]=v;
    }
}  
Arr::~Arr(){
    delete[] m_data;
}

float Arr::get(int i, int j){
    return m_data[ i*n_cols+j];
}
void Arr::set(int i, int j, float v){
    m_data[i*n_cols+j]=v;
}

//--------------------------------------------------------------------
//file:arr.i
%module arr

%{
#include "Arr.h"
#include </usr/lib64/python2.7/site-packages/numpy/core/include/numpy/ndarrayobject.h>
#include <python2.7/Python.h>
%}

%include "Arr.h"


%pythoncode{

# Partial solution (developed in constructing the question): allows operations between 
# arr objects and numpy arrays (e.g. numpy_array+arr_object is OK)
# but does not allow slicing (e.g. numpy_array[::2,::2]+arr_objec[::2,::2])
# TODO: figure out how to get slices without copy memory
def arr_interface_map(self):
    res={ 'shape':(self.n_rows, self.n_cols), 'typestr':'<f4', 'data': self.data_addr(),0), 'version':3 }
    return res

Arr.__array_interface__=property( arr_interface_map )


}

//---------------------------------------------------------
#file: Makefile
INCLUDE_FLAGS = -I/usr/include/python2.7 

arr_wrap.cpp: arr.i Arr.h
     swig -c++ -python -o $@ ${INCLUDE_FLAGS} arr.i

_arr.so: arr_wrap.o Arr.o
    g++ -shared -o _arr.so arr_wrap.o Arr.o 

clean:
    rm -f *.o *_wrap.cpp *.so

all: _arr.so

//文件：Arr.h
类Arr{
公众：
int n_行；
int n_cols；
浮点*m_数据；
Arr（整数r、整数c、浮点v）；
虚拟~Arr（）；
浮点get（inti，intj）；
无效集（int i，int j，float v）；
长数据地址（）{
返回（长）（m_数据）；
}
};
//-----------------------------------------------------------
//文件Arr.cpp
#包括“Arr.h”
Arr：：Arr（int r，int c，float v）：n_行（r），n_列（c），m_数据（0）{
m_data=新浮点数[r*c]；
对于（int i=0；i如果
n_cols
和
n_行
是（有效地）不可变的，那么最好的做法是创建一个真正的numpy数组，将
m_数据
作为存储和
（n_行，n_cols）
as shape。这样，您就可以获得所有numpy阵列功能，而无需进行任何复制，也无需在您自己的代码中重新实现它们（这将是一个很大的模仿）

当然，这不会像写的那样起作用，因为您的
m_数据
成员受到保护。但最好将其公开或提供访问器来检索它（或从
ArrayLike
继承，并在您的子类中提供此类功能）.
对我不起作用：调用
数组就像调用numpy
会导致分段错误。@Dave你能提供一个最小的可编译示例说明分段错误吗？如果没有它，很难猜测可能会出什么问题。我将你的方法视为“将上面的函数放入
%{…%}”
literal在
.i
文件中包含块，然后将该函数包装到swig文件的接口定义部分。@Dave我不熟悉swig的工作原理，所以我不知道这是否正确。但是，根据，我提供的简单函数应该将
ArrayLike
转换为Python对象。事实上，您可以通过在程序中的某个地方添加诸如
PyObject\u SetAttrString（PyImportImportModule（“sys”）、“my\u数组”、array\u like\u to\u numpy（*new ArrayLike（））
之类的行来测试函数是否可以在没有SWIG的情况下工作。如果
sys.my\u数组
作为numpy数组工作，则函数可以正常工作。
PyObject* array_like_to_numpy(ArrayLike& obj)
{
    npy_intp dims[] = { obj.n_rows, obj.n_cols };
    return PyArray_SimpleNewFromData(2, dims, NPY_FLOAT, obj.m_data);
}