np.ascontiguousarray与使用Cython的np.asarray

Question

关注如何正确传递numpy数组到Cython函数的问题？:

当在Cython中将numpy.ndarrays传递给只处理连续数组的C函数时,执行以下操作之间是否有区别:

np.ndarray[double, ndim=1, mode="c"] arr = np.ascontiguousarray(np.array([1,2,3],dtype=float))

和

np.ndarray[double, ndim=1, mode="c"] arr = np.asarray(np.array([1,2,3],dtype=float), order="c")

都有必要吗？是否np.ascontiguous暗示数组将采用可以通过mode=c声明分配给数组的格式？

Answer 1

该文档的ascontiguousarray状态,它会返回一个C有序阵列,所以是的,如果你使用ascontiguousarray,你可以假设数据是有序的c模式.

然后回答两者之间的差异,我们可以阅读来源.

asarray(链接)这样做:

return array(a, dtype, copy=False, order=order)

ascontiguousarray(链接)这样做:

return array(a, dtype, copy=False, order='C', ndmin=1)

因此,当您调用asarray时order='C',唯一的区别ascontiguousarray是您选择ndmin的默认值,即0.当您在单个数字而不是列表上使用这两种方法时,这归结为这种差异:

print asarray(4,dtype='float',order='c').shape
()
print ascontiguousarray(4,dtype='float').shape
(1,)

这取决于你,但我更喜欢ascontiguousarray,因为我经常依赖于处理数组的shape属性的可能性,并期望它是非空的.从某种意义上说,它就像atleast1d在同一时间打电话一样.

Answer 2

你应该能够这样做：

np.ndarray[double, ndim=1, mode="c"] arr = np.array([1,2,3], dtype=np.float64, order="c")

从文档中np.array：

order : {'C', 'F', 'A'}, optional
    Specify the order of the array.  If order is 'C' (default), then the
    array will be in C-contiguous order (last-index varies the
    fastest).  If order is 'F', then the returned array
    will be in Fortran-contiguous order (first-index varies the
    fastest).  If order is 'A', then the returned array may
    be in any order (either C-, Fortran-contiguous, or even
    discontiguous).

np.ascontiguousarray我的理解是，只有当您尝试传递的数组是从另一个数组的某些不连续切片生成时才需要使用。如果您从头开始创建数组，则没有必要。

例如：

a = np.arange(10)
a.flags['C_CONTIGUOUS'] # True
b = a[::2]
b.flags['C_CONTIGUOUS'] # False

c = np.ascontiguousarray(b)
c.flags['C_CONTIGUOUS'] # True

另外，也许可以考虑使用类型化的内存视图接口

double[::1] arr = np.array([1,2,3], dtype=np.float64)