Python numpy.ctypeslib.as_数组的速度

我有一个C库，我正在用Python使用

ctypes

包装它。C库包含许多数组（数万个数组，每个数组由5-100个元素组成，加上几个更长的数组），我想在Python中以

numpy

数组的形式访问这些数组。我认为使用

numpy.ctypeslib.as_数组将非常简单；但是，当我使用
cProfile
评测代码时，我注意到使用Python循环手动将（！）数据从
ctypes
指针复制到我在Python端创建的
numpy
数组要快得多。
ctypeslib.as_数组
是否已知速度较慢我一直认为，将一些内存解释为numpy数组要比在Python循环中逐元素复制快得多。
您注意到小数组和大数组之间存在差异吗？根据我自己的经验，对于更大的（1M元素）数组，它的速度要快得多。与数组一起使用时，它会在ctypes数组类型上创建一个
\uuuuuuuuuuuuu数组接口\uuuuuu
属性。对于每种大小/类型的数组都应该这样做。与指针一起使用，它在指针对象本身上创建接口。然后它返回
array（obj，copy=False）
。相关问题：@Bakuriu:但是
as\u array
现在添加了
\uu数组接口，\uuu
，因此该问题已过时。如果OP使用ctypes数组而不是指针，则只需为每种大小/类型的数组添加一次接口。是的，大型数组的转换速度非常快，但在转换大量小型数组时，似乎会有大量开销。