Cython:缓冲区数据类型不匹配，应为'；int'；但是得到了Python对象

我有一个

np.ndarray

如下所示：

print(x)
[[1 3 None None None None]
 [0 2 3 4 None None]
 [1 5 4 None None None]
 [1 6 0 4 None None]
 [7 6 5 1 3 2]
 [4 7 2 8 None None]
 [7 4 3 None None None]
 [4 6 8 5 None None]
 [7 5 None None None None]]

我将其提供给cython函数，定义如下：

cpdef y(int[:,::1] x):
...

这会引发错误：ValueError:Buffer数据类型不匹配，预期为“int”，但得到了Python对象

这可能是因为数组中存在

None

s，因为将它们修改为

0

s会删除错误。但是，

None

的存在不应该造成问题，如本文所述：

---

那么，到底发生了什么？有没有快速的解决方法？

numpy数组的

dtype

，例如

np。数组（[1，None]）

是

对象

int[：，：：1]

期望缓冲区为

int

，但得到

对象的缓冲区，这就是错误

如何纠正这一点应取决于上下文，具体来说，
None
是什么意思

您可以将
None
s设置为0，然后将数组转换为
int
数组
或者您可以将cython函数签名更改为
f（double[：，：：1]）
或者您可以将cython函数签名更改为
f（对象[：，：：1]）
（这可能不是您的意图）
因此，这取决于上下文。
可能是Numpys
ma
模块（用于屏蔽阵列）实现了您想要的功能：

x = np.ma.array([[1, 3, 0, 0, 0, 0],
                 [0, 2, 3, 4, 0, 0]],
                dtype=np.int,
                mask=[[0, 0, 1, 1, 1, 1],
                      [0, 0, 0, 0, 1, 1]]) # True is "masked out"

在Cython中，您将其拆分为数据和掩码

def y(x):
   cdef int[:,::1] x_data = x.data
   cdef int8_t[:,::1] x_mask = x.mask.view(dtype=np.int8)

我把它看作是
int8
，因为Cython不能很好地处理
dtype=np.bool


您还可以考虑创建自己的数据结构-例如，看起来总是行的末尾是
None
，因此您可以创建一个包含
int
s的2D数组和一个1D数组行长度（一个包含
int
s的1D数组）。然后忽略行长度以外的任何内容


可能值得强调的是，为什么不能在
int
数组中存储
None
——为了获得使用
int
数组的速度和空间效率，Numpy只分配存储数字所需的空间。存储
None
需要为每个数字分配一点额外的空间，以表示“实际上这个数字是不同的类型”，并在每个操作之前检查“这个数字实际上是一个数字吗？”。正如您所想象的那样，它很快就会变得低效。
Numpy数组，比如
a=np.array（[1，None]）
，
a.dtype
是
object
，这就是问题所在，
int[：，：：1]
需要一个int缓冲区，但却有一个对象缓冲区，文档读起来好像整个变量都可以是
None
，然而，您有一个由
int
和
non-int
/
None
值组成的数组，这是无效的。那么，是否有一个简单的更正方法？我可以将
None
s键入整数吗？还是我只需要将
None
s转换成一些
int
值？
x = np.ma.array([[1, 3, 0, 0, 0, 0],
                 [0, 2, 3, 4, 0, 0]],
                dtype=np.int,
                mask=[[0, 0, 1, 1, 1, 1],
                      [0, 0, 0, 0, 1, 1]]) # True is "masked out"

def y(x):
   cdef int[:,::1] x_data = x.data
   cdef int8_t[:,::1] x_mask = x.mask.view(dtype=np.int8)