Python 将numpy数组转换为标准库数组而不分配内存

有没有一种方法可以将numpy ndarray（）转换为标准库数组（），而无需重新分配数据

对于记录，可以使用缓冲区接口将array.array转换为ndarray，因此我希望这种方法是可行的：

import numpy
import array
a_std = array.array('d', [1, 2, 3])
a_np = numpy.ndarray(shape=(3, ), buffer=a_std, dtype='d')
a_np[0] = 666.
assert a_std[0] == 666.

---

到目前为止，我最好的猜测是这是不可能的：内存重新分配无法避免

我找到的将numpy数组转换为array.array的最快方法是使用：

使用其他方法进行快速基准测试（使用IPython）：

---

到目前为止，我最好的猜测是这是不可能的：内存重新分配无法避免

我找到的将numpy数组转换为array.array的最快方法是使用：

使用其他方法进行快速基准测试（使用IPython）：

---

尝试使用python-c api，我知道您可以使用python-c api从ctry获取numpy保存数组数据的直接地址，我知道您可以从c获取numpy保存数组数据的直接地址

import numpy
import array
a_np = np.random.uniform(size=(10 * 1000 * 1000))  # 76 MiB
a_std = array.array('d', a_np.tobytes())

numpy.testing.assert_allclose(a_std, a_np)

%timeit a_std = array.array('d', a_np.tobytes())
10 loops, best of 3: 56.8 ms per loop

%timeit a_std = array.array('d', a_np.data)
1 loop, best of 3: 946 ms per loop

%timeit a_std = array.array('d', a_np)
1 loop, best of 3: 1.17 s per loop