Cython:对于类型化的内存视图,我应该使用np.float_t而不是double

Question

关于cython中的内存视图,使用NumPy类型键入视图是否有任何优势,例如,如果我正在处理numpy浮点数组,np.float_t而不是简单地做double？

我应该cdef以同样的方式输入,例如

ctypedef np.float64_t np_float_t
...

@cython.profile(False)
@cython.wraparound(False)
@cython.boundscheck(False)
cdef np_float_t mean_1d(np_float_t [:] v) nogil:
    cdef unsigned int n = v.shape[0]
    cdef np_float_t n_sum = 0.

    cdef Py_ssize_t i
    for i in range(n):
        n_sum += v[i]

    return n_sum / n

Answer 1

如果你查看cython附带的numpy头文件(例如在主分支中,它是__init__.pxd),你会发现

    ctypedef double       npy_double

和

ctypedef npy_double     float_t

换句话说,float_t 是 double,所以应该没有使用的优势np.float_t.