Python 将numpy数组传递并返回给C++；方法通过Cython

在这个网站上，关于在cython中使用numpy有很多问题，一个特别有用的问题是

但是，cython/numpy接口api，特别是确保内存连续数组的传递

在cython中编写包装函数的最佳方法是什么：

• 获取可能但不一定连续的numpy数组
调用C++类方法，签名为代码>双*DATAIIN，双* DATAOXOUT
• 返回方法写入的

  double*

  的numpy数组

我的尝试如下：

cimport numpy as np
import numpy as np # as suggested by jorgeca

cdef extern from "myclass.h":
    cdef cppclass MyClass:
        MyClass() except +
        void run(double* X, int N, int D, double* Y)

def run(np.ndarray[np.double_t, ndim=2] X):
    cdef int N, D
    N = X.shape[0]
    D = X.shape[1]

    cdef np.ndarray[np.double_t, ndim=1, mode="c"] X_c
    X_c = np.ascontiguousarray(X, dtype=np.double)

    cdef np.ndarray[np.double_t, ndim=1, mode="c"] Y_c
    Y_c = np.ascontiguousarray(np.zeros((N*D,)), dtype=np.double)

    cdef MyClass myclass
    myclass = MyClass()
    myclass.run(<double*> X_c.data, N, D, <double*> Y_c.data)

    return Y_c.reshape(N, 2)

---

你基本上是对的。首先，希望优化不是什么大事。理想情况下，大部分时间都在C++内核中使用，而不是在CythNo包装代码中使用。 您可以进行一些风格上的更改来简化代码。（1） 不需要在1D和2D阵列之间重新整形。当你知道数据的内存布局（C++命令与FORTRAN命令、跨步等）时，你可以看到数组只是一块内存，你将用C++来索引自己，所以NUMPY的NDIM在C++方面没有什么关系，只是看到了指针。（2） 使用cython的操作符地址

&

，您可以使用

&X[0,0]

以更简洁的方式获取指向数组开头的指针—无需显式转换

这是我对您的原始代码段的编辑版本：

cimport numpy as np
import numpy as np

cdef extern from "myclass.h":
    cdef cppclass MyClass:
        MyClass() except +
        void run(double* X, int N, int D, double* Y)

def run(np.ndarray[np.double_t, ndim=2] X):
    X = np.ascontiguousarray(X)
    cdef np.ndarray[np.double_t, ndim=2, mode="c"] Y = np.zeros_like(X)

    cdef MyClass myclass
    myclass = MyClass()
    myclass.run(&X[0,0], X.shape[0], X.shape[1], &Y[0,0])

    return Y

---

你仍然需要在你的

.pyx

文件中

导入numpy作为np

，才能使用numpy函数（

cimport numpy作为np

）。@jorgeca我想你的评论回答了OP问题…@SaulloCastro我把它作为评论发布，因为我认为这是一个小障碍，但我不知道编写这些接口的最佳方式是什么。@jorgeca谢谢，确实是缺少的语句导致了错误消息。你是对的，我主要在寻找优化：-）比如说，这可以用Cython中键入的memoryview来完成，而不是传递数组吗？我不确定这是否会节省一些内存开销，等等？

cimport numpy as np
import numpy as np

cdef extern from "myclass.h":
    cdef cppclass MyClass:
        MyClass() except +
        void run(double* X, int N, int D, double* Y)

def run(np.ndarray[np.double_t, ndim=2] X):
    X = np.ascontiguousarray(X)
    cdef np.ndarray[np.double_t, ndim=2, mode="c"] Y = np.zeros_like(X)

    cdef MyClass myclass
    myclass = MyClass()
    myclass.run(&X[0,0], X.shape[0], X.shape[1], &Y[0,0])

    return Y