Python 产生不同结果的等效numpy脚本

我运行了以下被认为是相同的脚本，但输出完全不同， 有人能解释为什么吗

我首先导入了必要的模块：

from ctypes import *
import numpy as np 

代码1:

AOVoltage = np.linspace(-1, 1, 2200)
AOVoltage = AOVoltage.ctypes.data_as(POINTER(c_double))
print AOVoltage.contents

c_double(1.821347161578237e-284)

代码2:

a = np.linspace(-1, 1, 2200)
AOVoltage = a.ctypes.data_as(POINTER(c_double))
print AOVoltage.contents

c_double(-1.0)

AOVoltage = (np.linspace(-1, 1, 2200)).ctypes.data_as(POINTER(c_double))
print AOVoltage.contents

c_double(1.821347161578237e-284)

代码3:

a = np.linspace(-1, 1, 2200)
AOVoltage = a.ctypes.data_as(POINTER(c_double))
print AOVoltage.contents

c_double(-1.0)

AOVoltage = (np.linspace(-1, 1, 2200)).ctypes.data_as(POINTER(c_double))
print AOVoltage.contents

c_double(1.821347161578237e-284)

---

要使其工作，您需要保留对原始

numpy

数组的引用，以防止其被垃圾收集。这就是为什么#2起作用，而#1和#3不起作用（它们的行为尚未定义）

下文对此进行了解释：

小心使用

ctypes

属性-尤其是在临时数组或动态构造的数组上。例如，调用

（a+b）.ctypes.data\u as（ctypes.c\u void\u p）

返回一个指向内存的指针，该指针无效，因为作为

（a+b）

创建的数组在下一个Python语句之前被释放。您可以使用

c=a+b

或

ct=（a+b）.ctypes

来避免此问题。在后一种情况下，

ct

将保留对数组的引用，直到

ct

被删除或重新分配

---

要使其工作，您需要保留对原始

numpy

数组的引用，以防止其被垃圾收集。这就是为什么#2起作用，而#1和#3不起作用（它们的行为尚未定义）

下文对此进行了解释：

小心使用

ctypes

属性-尤其是在临时数组或动态构造的数组上。例如，调用

（a+b）.ctypes.data\u as（ctypes.c\u void\u p）

返回一个指向内存的指针，该指针无效，因为作为

（a+b）

创建的数组在下一个Python语句之前被释放。您可以使用

c=a+b

或

ct=（a+b）.ctypes

来避免此问题。在后一种情况下，

ct

将保留对数组的引用，直到

ct

被删除或重新分配

---

对于你的每一个代码，我都得到了精确的

c\u-double（-1.0）

。这很有趣。我不能从IPython复制它，但我可以从Python提示符复制它，如果数组在Python解释器中被垃圾收集，并且后来用来保存数组的内存有其他东西，那么这似乎是合理的，但是IPython保留了对每个输入行的引用对于您的每一个代码。这很有趣。我不能从IPython复制它，但我可以从Python提示符复制它，如果数组在Python解释器中被垃圾收集，并且后来用来保存数组的内存有其他东西，这似乎是合理的，但是IPython保留了对每个输入行的引用。这听起来是原因，现在我只是想知道它是否会被认为是python引用计数机制的一个bug？还是他们故意这样做？@shelper:事实证明这是有记录的行为。查看更新的答案。好的，这是一个棘手的问题。我不知道这是关于

ctypes

的。我学到了一些东西。Thanksit听起来是原因，现在我只是想知道它是否会被认为是python引用计数机制的一个bug？还是他们故意这样做？@shelper:事实证明这是有记录的行为。查看更新的答案。好的，这是一个棘手的问题。我不知道这是关于

ctypes

的。我学到了一些东西。谢谢