我有一个 numpy 布尔数组：

如果我尝试用它初始化 Cython MemoryView，如下所示：

我收到此错误：

如果我这样做，它工作正常：

如何使用 Cython MemoryViews 存储布尔 numpy 数组？

我在 Cython 中使用了很多 3D 内存视图，例如

我经常想遍历a. 我可以使用三重循环来做到这一点

如果我不关心索引i,j和k，则执行平面循环会更有效，例如

在这里，我需要知道size数组中元素 ( ) 的数量。这是由属性中元素的乘积给出的shape，即size = a.shape[0]*a.shape[1]*a.shape[2]，或更一般地size = np.prod(np.asarray(a).shape)。我发现这两个都很难写，而且（尽管很小）的计算开销让我很困扰。这样做的好方法是使用sizememoryviews 的内置属性，size = a.size. 但是，由于我无法理解的原因，这会导致 C 代码未优化，这从 Cython 生成的注释 html 文件中可以明显看出。具体来说，生成的C代码size = a.shape[0]*a.shape[1]*a.shape[2]简直就是

其中生成的 C 代码size = a.size是

为了生成上述代码，我通过编译器指令启用了所有可能的优化，这意味着无法优化生成的笨重的 C 代码a.size。在我看来，size“属性”并不是真正的预先计算的属性，而是在查找时实际执行计算。此外，这种计算比简单地用乘积代替shape属性要复杂得多。我在文档中找不到任何解释的提示。

a.shape[0]*a.shape[1]*a.shape[2]这种行为的解释是什么，如果我真的关心这个微优化，我有比写出更好的选择吗？

我有一个函数（来自外部 Python 库），它返回一个memoryview我想在 Cython 中处理的对象。

有没有办法将它转换为字节的类型化内存视图（没有副本）以提高效率？我该怎么做？这不起作用：

基于我之前的问题的这个答案，我想制作内存视图数组。

问题 1

构建具有固定长度的 2D 内存视图数组，例如

有了这个，我得到：

我尝试使用 C 指针数组：

但这也不起作用：

问题 2

构建一个任意长的 3D 数组，基本上是上述 2D 数组对象的列表。This other answer to a similar question and the Cython docs on allocating memory让我更接近了（我相信我应该使用malloc和指针，如果没有必要我不想引入C++）但我仍然遇到问题#1。欢迎任何建议！

编辑（问题＃1）：即使在混合中抛出一个 Cython 数组也会给我同样的错误：

现在我真的很困惑。为什么元组对 Cython 数组有好处，但对 memview 没有好处？

在cdef函数的签名中：

我要放<????>什么？

如果我正确理解了文档，那么指定异常类型对于将异常传播到 Python 堆栈是必要的。

我尝试了一些[b'\x00']空的 Cython 数组，但没有任何效果。

此 Cython 函数返回 numpy 数组的元素中的一个随机元素，该元素在一定范围内：

这工作得很好。但是，此功能对我的代码的性能非常关键。类型化的内存视图显然比 numpy 数组快得多，但它们不能以与上述相同的方式进行过滤。

我如何使用类型化的 memoryviews 编写一个与上述功能相同的函数？还是有其他方法可以提高功能的性能？

问题

在 cython 中定义不同的对象时，内存视图将返回相同的地址。但是，数组本身在索引时会被修改。

背景。

我有用 cython 编写的基类和派生类。我注意到，当我对类应用多处理时，底层缓冲区在不同的进程中发生了变化，这不是有意的。在酸洗过程中，我编写了一个简单的 __reduce__ 方法和 __deepcopy__ 方法来重建原始对象。为了清楚起见，我降低了下面代码的复杂性。现在我的问题是，为什么内存视图返回相同的地址？此外，为什么即使 memoryview 相同，numpy 数组本身也会正确更改

输出：

使用 Cython，我尝试这样做：

编译器抱怨：

指定的内存视图索引无效，键入 int[:]

如何使用某种整数数组索引此内存视图？只允许切片吗？我可以轻松地使用基于“数组”的索引和旧的 NumPy 数组缓冲区支持。（我只是调整了我的代码以使用 memoryviews 来查看它是否会提高性能，但它实际上会中断......）

目标：使用 Cython 从 2D C++ 字符数组中获取 Memoryview。

一点背景：

我有一个本地 C++ 库，它生成一些数据并通过 a 返回char**到 Cython 世界。数组在库中初始化和操作如下：

所以我们基本上得到了一个嵌套子数组的数组。

旁注：
- 每行具有相同的列数
- 行可以共享内存，即指向相同的 row_data

目标是将此数组与 memoryview 一起使用，最好不要进行昂贵的内存复制。

第一种方法（不工作）：

使用 Cython 数组和内存视图：

这是应该使用生成的数据的 .pyx 文件

这实际上编译得很好并且运行没有崩溃，但结果并不完全符合我的预期。如果我打印出 NumPy 数组的值，我会得到：

事实证明，第一行被正确映射，但其他行看起来更像是未初始化的内存。因此，可能与char**2D 内存视图的内存布局和默认模式不匹配。

编辑#1：我从另一个问题中学到的是内置的 cython 数组不支持间接内存布局，所以我必须为它创建一个 cython-wrapper 来unsigned char**公开缓冲区协议

我想了解更多关于 Cython 令人敬畏的typed-memoryviews和 memory layout 的信息indirect_contiguous。

根据文档 indirect_contiguous，当“指针列表是连续的”时使用。

还有一个示例用法：

因此，如果我错了，请纠正我，但我假设“指向连续整数列表的指针的连续列表”意味着类似于由以下 c++ 虚拟代码创建的数组：

因此，如果我理解正确，那么在我的 Cython 代码中应该可以从int**这样的代码中获取内存视图：

但我得到编译错误：

我做错什么了？我错过了任何演员还是我误解了indirect_contiguous的概念？