cython：将二维 numpy 数组传递给 cdef 函数

Question

我想将一个 2D numpy 数组传递给 cdef 函数，其中数组的维度可以变化。这是我尝试过的：

cimport numpy as cnp

input = numpy.array([[3.34, 2.2],[1.1, -0.6]])
input = input[:,:].astype(np.double)
cdef int nrows = 2
cdef int ncols = 2

# output of function
cdef cnp.ndarray[cnp.uint8_t, ndim=2] output = np.zeros((2,2), dtype=np.uint8)  

test_array(nrows, ncols, &input[0], <unsigned char**>output.data)

我的 test_array 函数在哪里：

cdef void test_array(Py_ssize_t nrows, Py_ssize_t ncols, double **x, unsigned char **output) nogil:

output[0][0]=1
output[1][0]=0
output[1][1]=1
output[0][1]=0

我的函数原型是：

cdef void test_array(Py_ssize_t nrows, Py_ssize_t ncols, double **x, unsigned char **output) nogil

编译时，我收到一条错误消息，提示“无法获取 Python 对象的地址”并指向&input[0]. 该语法适用于一维数组，但我不确定二维数组的语法是什么。我也试过，&input[0][0]但那也是错误的。

Answer 1

目前尚不清楚您想要实现的目标：

A:如果它应该是一个纯 cython 函数，那么你应该使用typed memory view，这意味着你的函数签名应该是

cdef void test_array(double[:,:] x, unsigned char[:,:] output) nogil:

没有nrows，ncols因为类型化内存视图具有此信息（类似于std::vector）。

B: array_test实际上是一个 c 函数的包装器，它期望double **和unsigned char **，那么你应该看看这个SO-question。

实际上，我想解释一下，为什么您的尝试没有奏效。

首先，为什么&input[0]不起作用？真正的问题是什么是input[0]：

import numpy as np
input=np.zeros((3,3))
type(input[0])
<type 'numpy.ndarray'>
type(input[:,0])
<type 'numpy.ndarray'>
type(input[0,0])
<type 'numpy.float64'>

所以input是一个numpy.ndarray，这意味着一个Python对象，并用Cython拒绝采取其地址。情况也是如此input[0,0]- 它是一个 python 对象。到目前为止没有运气。

为了让它工作，你需要input一个 cython-numpy 数组（我不知道如何更好地表达它 - 看看例子）：

import numpy as np
cimport numpy as np #that the way it is usually imported

def try_me():
    cdef np.ndarray[double, ndim=2] input = np.array([[3.34, 2.2],[1.1, -0.6]])
    cdef double *ptr1=&input[0,0]
    cdef double *ptr2=&input[1,0]
    print ptr1[0], ptr2[1] #prints 3.34 and -0.6

重要的部分：input不再被视为/解释为 python 对象，而是作为 cython-type 类型np.ndarray[double, ndim=2]，这首先使语法成为&input[0,0]可能。

也许有一种更精确的方式来看待它：cimport numpy为我们提供了处理 numpy 数组的额外工具，以便我们可以访问在纯 python 中无法访问的内部结构。

然而，&input[0,0]不是 typedouble **而是 type double *，因为numpy.ndarray它只是一个连续的内存块，只有操作符[i,j]嘲笑 2d 的感觉：

How it feels:
    A[0] -> A00 A01 A02
    A[1] -> A10 A11 A12

The real layout in the memory:
     A00 A01 A02 A10 A11 A12

没有指向行的指针，但您可以通过创建它们cdef double *ptr2=&input[row_id,0]，上面提到的问题中讨论了如何处理它。

说那numpy.ndarray只是一段连续的记忆是一种简化——numpy.ndarray是一个相当复杂的野兽！请考虑以下示例：

import numpy as np
cimport numpy as np

def try_me2():
    cdef np.ndarray[double, ndim=2] input = np.array([[1.0, 2.0],
                                                      [3.0, 4.0]])
    cdef np.ndarray[double, ndim=1] column = input[:,1]  
    cdef double *ptr = &column[0]
    print column          #prints column "2 4"
    print ptr[0],ptr[1]   #prints "2 3" and not "2 4"!

现在，这里input和column共享相同的内存并且在内存input[1][0]中保存之后input[0][1]=column[0]并且只有那么input[1][1]=column[1]。ptr[1]将内存单元放在旁边input[0][1]，这是input[1][0]=3不是input[1][1]=4。