如何访问作为numpy数组传递给ctypes回调的数组？

Question

我正在尝试使用 numpy 和 ctypes 将一些用 C 编写的数字代码集成到 Python 库中。我已经进行了实际计算，但现在想将我算法的中间步骤的进度报告给我的 Python 代码中的回调函数。虽然我可以成功调用回调函数，但我无法检索x传递给回调的数组中的数据。在回调中，x是一个ndpointer我似乎无法取消引用的对象。

当前代码

考虑这个最小的例子：

测试.h：

typedef void (*callback_t)(
    double *x,
    int n
);

void callback_test(double* x, int n, callback_t callback);

测试.c：

#include "test.h"

void callback_test(double* x, int n, callback_t callback) {
    for(int i = 1; i <= 5; i++) {

        for(int j = 0; j < n; j++) {
            x[j] = x[j] / i;
        }

        callback(x, n);
    }
}

测试.py：

#!/usr/bin/env python

import numpy as np
import numpy.ctypeslib as npct
import ctypes
import os.path

array_1d_double = npct.ndpointer(dtype=np.double, ndim=1, flags='CONTIGUOUS')

callback_func = ctypes.CFUNCTYPE(
    None,            # return
    array_1d_double, # x
    ctypes.c_int     # n
)

libtest = npct.load_library('libtest', os.path.dirname(__file__))
libtest.callback_test.restype = None
libtest.callback_test.argtypes = [array_1d_double, ctypes.c_int, callback_func]


@callback_func
def callback(x, n):
    print("x: {0}, n: {1}".format(x, n))


if __name__ == '__main__':
    x = np.array([20, 13, 8, 100, 1, 3], dtype=np.double)
    libtest.callback_test(x, x.shape[0], callback)

电流输出

编译并运行脚本后，我得到以下输出：

x: <ndpointer_<f8_1d_CONTIGUOUS object at 0x7f9b55faba70>, n: 6
x: <ndpointer_<f8_1d_CONTIGUOUS object at 0x7f9b55faba70>, n: 6
x: <ndpointer_<f8_1d_CONTIGUOUS object at 0x7f9b55faba70>, n: 6
x: <ndpointer_<f8_1d_CONTIGUOUS object at 0x7f9b55faba70>, n: 6
x: <ndpointer_<f8_1d_CONTIGUOUS object at 0x7f9b55faba70>, n: 6

我也试过子集运算符x[0:n](TypeError: 'ndpointer_x.value (returns the pointer as a number)。

黑客解决方案

如果我使用以下替代定义callback_func：

callback_func = ctypes.CFUNCTYPE(
    None,            # return
    ctypes.POINTER(ctypes.c_double), # x
    ctypes.c_int     # n
)

以及以下替代回调函数：

@callback_func
def callback(x, n):
    print("x: {0}, n: {1}".format(x[:n], n))

我得到了想要的结果：

x: [20.0, 13.0, 8.0, 100.0, 1.0, 3.0], n: 6
x: [10.0, 6.5, 4.0, 50.0, 0.5, 1.5], n: 6
x: [3.3333333333333335, 2.1666666666666665, 1.3333333333333333, 16.666666666666668, 0.16666666666666666, 0.5], n: 6
x: [0.8333333333333334, 0.5416666666666666, 0.3333333333333333, 4.166666666666667, 0.041666666666666664, 0.125], n: 6
x: [0.16666666666666669, 0.10833333333333332, 0.06666666666666667, 0.8333333333333334, 0.008333333333333333, 0.025], n: 6

我的问题

x在回调中是否有更麻木的访问方式？而不是下标然后转换回 a numpy.array，我更愿意访问 ndpointer 指向的数据，因为我想限制x（为了优雅的代码）的副本数量

如果您想对我的代码进行实验，我已经上传了整个迷你示例的要点。

Answer 1

我找到了使用 numpy.ctypeslib.as_array 的解决方案ctypes.POINTER(ctypes.c_double)-根据numpy.ctypeslib 文档，这将与数组共享内存：

callback_func = ctypes.CFUNCTYPE(
    None,            # return
    ctypes.POINTER(ctypes.c_double), # x
    ctypes.c_int     # n
)

[...]

@callback_func
def callback(x, n):
    x = npct.as_array(x, (n,))
    print("x: {0}, n: {1}".format(x, n))

任何人都有更优雅的解决方案，也许使用ndpointer对象？