Python 数组的cython/numpy类型

我试图构造python类型int的矩阵，一个64位有符号整数

cdef matrix33():
    return np.zeros((3,3),dtype=int)

cdef do_stuf(np.ndarray[int, ndim=2] matrix):
    ...
    return some_value

def start():
    print do_stuf(matrix33())

它可以正确编译，但当我运行它时，会不断出现以下错误：

ValueError: Buffer dtype mismatch, expected 'int' but got 'long'

我不能使用python long，但我不知道如何正确地转换为64 int

更新

好的。我确信我正确地使用了Cython。我写的代码是为了在capture go/atari go游戏中进行minmax搜索

到目前为止，调用最多的函数有：

cdef isThere_greedy_move(np.ndarray[np.int64_t, ndim=2]board, int player):
    cdef int i, j
    for i in xrange(len(board)):
        for j in xrange(len(board)):
            if board[i,j] == 0:
                board[i,j] = player
                if player in score(board):
                    board[i,j] = 0
                    return True
                board[i,j] = 0
    return False


# main function of the scoring system.
# returns list of players that eat a stone
cdef score(np.ndarray[np.int64_t, ndim=2] board):
    scores = []
    cdef int i,j
    cdef np.ndarray[np.int64_t, ndim = 2] checked
    checked = np.zeros((board.shape[0], board.shape[1]), dtype = int)
    for i in xrange(len(board)):
        for j in xrange(len(board)):
            if checked[i,j] == 0 and board[i,j] !=0:
                life, newly_checked = check_life(i,j,board,[])
                if not life:
                    if -board[i,j] not in scores:
                        scores.append(-board[i,j])
                        if len(scores) == 2:
                            return scores
                checked = update_checked(checked, newly_checked)
    return scores

# helper functions of score/1
cdef check_life(int i, int j, np.ndarray[np.int64_t, ndim=2] board, checked):
    checked.append((i,j))
    if liberty(i,j,board):
        return True, checked
    for pos in [[1,0],[0,1],[-1,0],[0,-1]]:
        pos = np.array([i,j]) + np.array(pos)
        if check_index(pos[0],pos[1],len(board)) and board[pos[0],pos[1]] == board[i,j] and (pos[0],pos[1]) not in checked:
            life, newly_checked = check_life(pos[0],pos[1],board,checked)
            if life:
                checked = checked + newly_checked             
                return life, checked
    return False, []    # [] is a dummy.

cdef liberty(int i,int j, np.ndarray[np.int64_t, ndim=2] board):
    for pos in [np.array([1,0]),np.array([0,1]),np.array([-1,0]),np.array([0,-1])]:
        pos = np.array([i,j]) - pos
        if check_index(pos[0],pos[1],len(board)) and board[pos[0],pos[1]] == 0:
            return True
    return False

我真的以为这会是cython发光的机会。 要解决3x3捕获问题，请执行以下操作：

Python2.7执行的是一致的2.28秒，cython执行的是一致的2.03秒 两者都是在python时间模块和低于60°C的i7处理器上进行测试的

---

现在我要问的是，如果我要切换到Haskell或C++，这个项目…< /P> < P> Cython的代码> int >代码>类型与C <代码> int <代码>相同，即通常（但不一定）32位。您应该将

matrix33

中的

dtype

声明为

np.int64

，并将

do\u stuf

中的

np.int64\t

声明为其C对应项：

cimport numpy as np
import numpy as np

cdef do_stuff(np.ndarray[np.int64_t, ndim=2] matrix):
    pass

cdef matrix33():
    return np.zeros((3,3), dtype=int)

def start():
    print do_stuff(matrix33())

---

谢谢，代码现在运行正确。但是，它的运行速度和我声明所有内容时一样快。我知道长对象的速度不快，因为它不会溢出，并且被视为不同的对象（使用更多的周期）。我想使用一个可以溢出的int，它比python类型long快。而且，在解释python上的速度略低于10%，这让我怀疑我没有完全正确的类型…@user1020753:类型是正确的。加速取决于您在函数中所做的操作。@user1020753您的函数在大多数操作中都使用Python数据类型-列表、元组等。为了使Cython发挥更大的作用，需要重写它以使用本机C数据类型。此外，如果您键入函数，可能会加快速度。看见