Cython + Numpy 变量 ndim？

Question

我需要初始化可变 shape 数组(dim,) + (nbins,)*dim，其中 dim 通常很小，但 nbins 可以很大，因此数组具有 ndims = dim + 1。例如，如果dim = 1我需要一个 shape 数组(1, nbins)，如果dim = 2形状是(2, nbins, nbins)等。

是否可以相应地键入 numpy 数组？我试过类似的东西

 ctypedef uint32_t  uint_t
 ctypedef float     real_t
 ...
     cdef:
         uint_t dim = input_data.shape[1]
         np.ndarray[real_t, ndim=dim+1] my_array = np.zeros((dim,)\
     + (nbins,)*dim, dtype = np.float32)

是的，我有预感它行不通，但无论如何都必须尝试;)

有可能做这样的事情还是我必须使用指针/内存分配等？或者我必须（大口大口！）只使用一维数组并在最后重塑它？

Answer 1

或者我是否必须（吞咽！）只使用一维数组并在最后重新调整它的形状？

恐怕你会的。如果在编译时已知维数，Cython 才能发挥其数组访问优化魔法。别去胡闹malloc，那不值得。

cdef:
    np.npy_intp size = dim * n_bins ** dim
    np.ndarray[float, ndim=1, mode='c'] arr = np.zeros(size, dtype=np.float32)

    # do work, using "manual" index calculations

    return arr.reshape(dim, (n_bins,) * dim)

（旁注：形状的正确类型是np.npy_intp，而不是uint32_t。）