numpy.dtype的对应ctypes类型？

如果我有一个带有特定

dtype

的numpy ndarray，我如何知道对应的ctypes类型是什么

例如，如果我有一个ndarray，我可以执行以下操作将其转换为共享数组：

import multiprocessing as mp
import numpy as np
import ctypes
x_np = np.random.rand(10, 10)
x_mp = mp.Array(ctypes.c_double, x_np)

---

但是，我必须在这里指定

cudouble

。如果我不指定完全相同的类型，它就可以工作，但我希望保持类型不变。至少对于一些常见的基本数据类型，我应该如何自动找到ndarray的ctypes类型

输出：

ctypes.c_double

需要注意的是，

np.ctypeslib.\u get\u typecodes

函数被标记为private（即它的名称以

\u

开头）。然而，它的实现似乎在一段时间内没有改变，所以您可以相当可靠地使用它

或者，

\u get\u typecodes

的实现非常短，因此您也可以将整个函数复制到您自己的代码中：

import ctypes
import numpy as np

def get_typecodes():
    ct = ctypes
    simple_types = [
        ct.c_byte, ct.c_short, ct.c_int, ct.c_long, ct.c_longlong,
        ct.c_ubyte, ct.c_ushort, ct.c_uint, ct.c_ulong, ct.c_ulonglong,
        ct.c_float, ct.c_double,
    ]

    return {np.dtype(ctype).str: ctype for ctype in simple_types}

这一点现在得到以下方面的支持：

将numpy导入为np
x_np=np.random.rand（10,10）
np.ctypeslib.as_ctypes_type（x_np.dtype）

---

按预期提供

ctypes.c\u double

。

由于多处理模块复制了数组，因此您可能希望使用多处理分配ctypes数组，然后使用numpy从另一个进程（不复制）访问它，例如主进程：

x\u mp=mp.array（'d'，100）子进程：
x\u np=np.reformate（np.ctypeslib.as_数组（x\u mp.get\u obj（），（10,10））
x\u np[：]=np.random.rand（10,10）
。对于共享数组，您真正需要的是一个字节数组，假设它足够大，然后使用
np.frombuffer
和
np.restrape
对其进行适当的强制转换。通过这种方式，数据都由numpy代码决定，而多处理阵列只是提供共享内存的备份存储。谢谢！是的，这两种方法都适用于我，但我从用户那里得到的是一个numpy数组。因此，如果我遵循您的方法，我仍然需要考虑在给定numpy数组的命令中，在
'd'
部分中放置什么。你知道吗？目前，我只是使用一个自定义字典从numpy.dtype.type映射到ctypes类型。如果您同意使用私有副本而不是共享原始数组，请注意第一步是展平数组，例如，
x\u np=x\u np.flatte（）
，因为上面的示例不起作用。然后获取
ct=np.ctypeslib.as\u ctypes（x\u np）
并通过
\u type\u
属性下降，直到得到一个字符串，例如
而不存在（ct，str）：ct=ct.\u type
。
import ctypes
import numpy as np

def get_typecodes():
    ct = ctypes
    simple_types = [
        ct.c_byte, ct.c_short, ct.c_int, ct.c_long, ct.c_longlong,
        ct.c_ubyte, ct.c_ushort, ct.c_uint, ct.c_ulong, ct.c_ulonglong,
        ct.c_float, ct.c_double,
    ]

    return {np.dtype(ctype).str: ctype for ctype in simple_types}