15

我有一个 C++ 库，它目前有一些方法，其中返回一个std::vector定义的类似

public:
  const std::vector<uint32_t>& getValues() const;

我目前正在使用 SWIG 为 Python 包装整个库，到目前为止效果很好。

SWIGgetValues()很好地包装了这个函数，以便它返回一个 Python 元组。问题出在我的 Python 端代码中，我想将其转换为 NumPy 数组。当然，我可以通过以下方式做到这一点：

my_array = np.array(my_object.getValues(), dtype='uint32')

但这会导致原始向量中的所有条目首先由 SWIG 复制到 Python 元组中，然后由我再次复制到 numpy 数组中。由于这个向量可能非常大，我宁愿避免制作这两个副本，并希望有一种方法让 SWIG 在内存中的原始向量数据周围创建一个 numpy.array 包装器。

我已经阅读了numpy.i的文档，但明确提到不支持输出数组，因为它们似乎是在 C 样式数组而不是 C++ 向量的假设下工作的。

numpy.array 的底层数据结构和 C++ std::vector 一样只是一个 C 风格的数组，所以我希望在内存中访问相同的数据是可行的。

有什么方法可以让 SWIG 返回一个不复制原始数据的 numpy.array ？

4

2 回答 2

10

显然，将 C++ 向量“转换”为（C）数组是微不足道的，请参阅这个问题的答案：How to convert vector to array in C++

接下来，您可以创建一个 numpy 数组，该数组将使用该 C 数组而无需复制，请参阅此处的讨论，或 google 查找PyArray_SimpleNewFromData.

我不希望 SWIG 自动为您完成所有这些工作，相反，您可能应该getValues自己为您的函数编写一个包装器，例如getValuesAsNumPyArray.

于 2013-04-17T17:58:23.963 回答
3

似乎PyArray_SimpleNewFromData需要您自己进行内存管理；如果内存管理已经在 C++ 端处理了，也就是说，Python 不负责内存，你可以使用np.asarray来获取一个与 C++ 向量共享内存的 numpy 数组，如下所示：

from libcpp.vector cimport vector
import numpy as np
cdef vector[double] vec
vec.push_back(1)
vec.push_back(2)
cdef double *vec_ptr = &vec[0]    # get hold of data array underlying vec; also vec.data() if you have C++11
cdef double[::1] vec_view = <double[:vec.size()]>vec_ptr    # cast to typed memory view
vec_npr = np.asarray(vec_view)    # get numpy array from memory view
print(vec_npr)    # array([1.0, 2.0])

Kurt Smith 的 Cython 书第 10 章中的“包装 C 和 C++ 数组”部分提供了很好的示例。另请参阅官方用户指南中对 Numpy 的强制转换。

于 2017-05-22T19:09:39.407 回答