通过 C API 创建新的 numpy 标量并实现自定义视图

Question

简洁版本

给定一个内置的四元数数据类型，如何将四元数的 numpy 数组视为具有大小为 4 的额外维度的浮点数 numpy 数组（不复制内存）？

长版

Numpy 内置了对浮点数和复杂浮点数的支持。我需要使用四元数——它概括了复数，但它们不是有两个分量，而是有四个分量。已经有一个非常好的包，它使用 C API 将四元数直接合并到 numpy 中，它似乎可以非常快地完成所有操作。我还需要添加一些四元数函数，但我想我基本上可以处理这些。

但是，我还希望能够在我需要使用 Awesomenumba包编写的其他函数中使用这些四元数。不幸的是，numba 目前无法处理自定义类型。但我不需要那些 numba 函数中的奇特四元数函数；我只需要数字本身。所以我希望能够将四元数数组重新转换为具有一个额外维度（大小为 4）的浮点数数组。特别是，我想只使用数组中已有的数据而不进行复制，并将其视为新数组。我找到了PyArray_View函数，但不知道如何实现它。

（我非常有信心数据连续保存在内存中，我认为这是简单查看它们所必需的。具体来说，elsize = 8*4在alignment = 8四元数包中。）

Answer 1

事实证明这很容易。numpy 的魔力意味着这已经成为可能。在思考这个问题时，我只是用复数尝试了以下操作：

import numpy as np
a = np.array([1+2j, 3+4j, 5+6j])
a.view(np.float).reshape(a.shape[0],2)

这正是我所寻找的。不知何故，相同的基本思想也适用于四元数类型。我猜内部结构只是依赖于它elsize，除以sizeof(float)它并使用它来设置最后一个维度的新大小？？？

为了回答我自己的问题，同样的想法可以应用于四元数模块：

import numpy as np, quaternions
a = np.array([np.quaternion(1,2,3,4), np.quaternion(5,6,7,8), np.quaternion(9,0,1,2)])
a.view(np.float).reshape(a.shape[0],4)

在我的笔记本电脑上，视图转换和重塑似乎需要大约 1 微秒，与输入数组的大小无关（可能是因为除了一些基本 python 对象中的一些成员之外，没有内存复制）。

以上对于简单的一维四元数数组有效。要将其应用于一般形状，我只需在四元数命名空间内编写一个函数：

def as_float_array(a):
    "View the quaternion array as an array of floats with one extra dimension of size 4"
    return a.view(np.float).reshape(a.shape+(4,))

不同的形状似乎不会显着减慢功能。

此外，很容易从浮点数组转换回四元数数组：

def as_quat_array(a):
    "View a float array as an array of floats with one extra dimension of size 4"
    if(a.shape[-1]==4) :
        return a.view(np.quaternion).reshape(a.shape[:-1])
    return a.view(np.quaternion).reshape(a.shape[:-1]+(a.shape[-1]//4,))