Python numpy.getbuffer和numpy.frombuffer

我正试图了解PEP3118的numpy实现。缓冲区访问在numpy中究竟是如何工作的

>>> p = numpy.getbuffer(numpy.arange(10))
>>> p
<read-write buffer for 0x1003e5b10, size -1, offset 0 at 0x1016ab4b0>
>>> numpy.frombuffer(p)
array([  0.00000000e+000,   4.94065646e-324,   9.88131292e-324,
     1.48219694e-323,   1.97626258e-323,   2.47032823e-323,
     2.96439388e-323,   3.45845952e-323,   3.95252517e-323,
     4.44659081e-323])

---

看起来缓冲区正在初始化为全零，然后我可以写入。我期望的功能是能够使用getbuffer将数组（使用arange或asarray）直接构建到缓冲区。这不可能吗？

您有一个简单的

dtype

问题。使用创建的缓冲区

np.getbuffer(np.arange(10))

有一个

dtype=int

，因为

np.arange

默认使用

dtype=int

然后，当您尝试使用

np.frombuffer(p)

实际上，您正在使用

np.frombuffer

的

dtype=float

默认值。相反，使用

np.frombuffer(p, dtype=int)

等等，你明白了吗

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

---

让我对皮埃尔的杰出作品补充几点意见

只有在必须对

ndarray

进行切片时，才需要

getbuffer

：可以通过

data

属性检索与整个数组关联的python缓冲区对象

>>> import numpy as np
>>> a = np.arange(10)
>>> a.data == np.getbuffer(a)
True

相反，您不需要将实际的缓冲区对象传递给

frombuffer

函数，每个公开

buffer

接口的对象都是好的

>>> np.frombuffer(a, a.dtype)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.frombuffer(a)
array([  0.00000000e+000,   4.94065646e-324,   9.88131292e-324,
         1.48219694e-323,   1.97626258e-323,   2.47032823e-323,
         2.96439388e-323,   3.45845952e-323,   3.95252517e-323,
         4.44659081e-323])
>>> import array
>>> c = array.array('i', range(10))
>>> np.frombuffer(c, np.int32)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int32)
>>> np.frombuffer(c)
array([  2.12199579e-314,   6.36598737e-314,   1.06099790e-313,
         1.48539705e-313,   1.90979621e-313])

解码缓冲区对象时，必须知道正确的

dtype

，如上面的示例所示。更准确地说，缓冲区对象没有

dtype

：它们只是一个二进制数据流。相反，

ndarray

对象有一个

dtype

，它指示如何解释底层二进制数据

---

回答您的问题：每个numpy

ndarray

都公开缓冲区接口。您可以通过

data

描述符或

getbuffer

函数访问缓冲区或缓冲区的一部分。您可以通过

frombuffer

函数从暴露缓冲区接口的对象创建

ndarray

。由于缓冲区（与

ndarrays

相反）没有

dtype

信息，因此您应该始终明确指定如何通过

dtype

参数对

frombuffer

缓冲区进行交互，这是Pierre答案的精彩补充。额外的细节是非常感谢。

>>> np.frombuffer(a, a.dtype)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.frombuffer(a)
array([  0.00000000e+000,   4.94065646e-324,   9.88131292e-324,
         1.48219694e-323,   1.97626258e-323,   2.47032823e-323,
         2.96439388e-323,   3.45845952e-323,   3.95252517e-323,
         4.44659081e-323])
>>> import array
>>> c = array.array('i', range(10))
>>> np.frombuffer(c, np.int32)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int32)
>>> np.frombuffer(c)
array([  2.12199579e-314,   6.36598737e-314,   1.06099790e-313,
         1.48539705e-313,   1.90979621e-313])