Numpy Cython自定义数据类型ndarray

我已经为我的np.ndarray创建了一个数据类型：

particle_t = np.dtype([
    ('position', float, 2),
    ('momentum', float, 2),
    ('velocity', float, 2),
    ('force', float, 2),
    ('charge', int, 1),
])

根据官方的例子，我们可以称之为：

def my_func(np.ndarray[dtype, dim] particles):

但当我尝试编译时：

def tester(np.ndarray[particle_t, ndim = 1] particles):

我得到

无效类型

错误。我看到的另一种可能的用法是内存视图，如

int[：]

。尝试使用def检测仪（粒子[：]粒子）：会导致：

“particle\u t”不是类型标识符

---

我如何解决这个问题？

显然，

particle\u t

对于Cython来说不是一个类型，而是一个Python对象

它类似于作为Python对象的

np.int32

，因此

def tester(np.ndarray[np.int32] particles):     #doesn't work!
       pass

不起作用，您需要使用相应的类型，即

np.int32\t

：

 def tester(np.ndarray[np.int32_t] particles):  #works!
      pass

但是

粒子的对应类型是什么？您需要创建一个压缩结构，它将镜像您的numpy类型。以下是一个简化版本：

#Python code:
particle_t = np.dtype([
    ('position', np.float64, 2), #It is better to specify the number of bytes exactly!
    ('charge', np.int32, 1),  #otherwise you might be surprised...
])

和相应的Cython代码：

%%cython
import numpy as np
cimport numpy as np

cdef packed struct cy_particle_t:
    np.float64_t position_x[2]
    np.int32_t   charge

def tester(np.ndarray[cy_particle_t, ndim = 1] particles):
    print(particles[0])

它不仅可以编译和加载，还可以按照广告的方式工作：

>>> t=np.zeros(2, dtype=particle_t)
>>> t[:]=42
>>> tester(t)
{'charge': 42, 'position_x': [42.0, 42.0]}

指定字节数（在python代码中）是否意味着使用np.float64而不仅仅是float？是的。至少对我来说，
np.float比
np.float
更清晰。以上都是整数：例如，
np.int\u t
的大小取决于平台（Linux64（8字节）与Windows64（4字节）），可以不同于
int
（Linux64上8字节与4字节）的大小，因为它在内部映射到
long
而不是
int
。我在将
long
传递到函数时遇到了一些错误，尽管我从未将任何东西定义为
long
。谢谢分配，这解决了这个问题。