如何从 boost::p ython 返回 numpy.array

更新：我的原始答案(https://github.com/ndarray/Boost.NumPy(中描述的库已从Boost 1.63开始直接集成到Boost.Python中，因此独立版本现已弃用。 下面的文本现在对应于新的集成版本(仅命名空间已更改(。

现在将 NumPy C-API 的适度完整的包装器包含在 Boost.Python 接口中。 这是相当低级的，主要集中在如何解决更困难的问题，即如何在不复制的情况下将C++数据传入和传出 NumPy，但以下是您如何执行复制的 std：：vector 返回：

#include "boost/python/numpy.hpp"
namespace bp = boost::python;
namespace bn = boost::python::numpy;
std::vector<double> myfunc(...);
bn::ndarray mywrapper(...) {
    std::vector<double> v = myfunc(...);
    Py_intptr_t shape[1] = { v.size() };
    bn::ndarray result = bn::zeros(1, shape, bn::dtype::get_builtin<double>());
    std::copy(v.begin(), v.end(), reinterpret_cast<double*>(result.get_data()));
    return result;
}
BOOST_PYTHON_MODULE(example) {
    bn::initialize();
    bp::def("myfunc", mywrapper);
}

一个不需要您下载任何特殊的第三方C++库的解决方案(但您需要numpy(。

#include <numpy/ndarrayobject.h> // ensure you include this header
boost::python::object stdVecToNumpyArray( std::vector<double> const& vec )
{
      npy_intp size = vec.size();
     /* const_cast is rather horrible but we need a writable pointer
        in C++11, vec.data() will do the trick
        but you will still need to const_cast
      */
      double * data = size ? const_cast<double *>(&vec[0]) 
        : static_cast<double *>(NULL); 
    // create a PyObject * from pointer and data 
      PyObject * pyObj = PyArray_SimpleNewFromData( 1, &size, NPY_DOUBLE, data );
      boost::python::handle<> handle( pyObj );
      boost::python::numeric::array arr( handle );
    /* The problem of returning arr is twofold: firstly the user can modify
      the data which will betray the const-correctness 
      Secondly the lifetime of the data is managed by the C++ API and not the 
      lifetime of the numpy array whatsoever. But we have a simple solution..
     */
       return arr.copy(); // copy the object. numpy owns the copy now.
  }

当然，你可以从双倍*和大小编写一个函数，这是通用的，然后通过提取此信息从向量中调用它。您也可以编写模板，但需要从数据类型到NPY_TYPES枚举的某种映射。

有点晚了，但是经过多次不成功的尝试，我找到了一种直接将 c++ 数组公开为 numpy 数组的方法。下面是一个使用 boost::python 和 Eigen 的简短 C++11 示例：

#include <numpy/ndarrayobject.h>
#include <boost/python.hpp>
#include <Eigen/Core>
// c++ type
struct my_type {
  Eigen::Vector3d position;
};

// wrap c++ array as numpy array
static boost::python::object wrap(double* data, npy_intp size) {
  using namespace boost::python;
  npy_intp shape[1] = { size }; // array size
  PyObject* obj = PyArray_New(&PyArray_Type, 1, shape, NPY_DOUBLE, // data type
                              NULL, data, // data pointer
                              0, NPY_ARRAY_CARRAY, // NPY_ARRAY_CARRAY_RO for readonly
                              NULL);
  handle<> array( obj );
  return object(array);
}

// module definition
BOOST_PYTHON_MODULE(test)
{
  // numpy requires this
  import_array();
  using namespace boost::python;
  // wrapper for my_type
  class_< my_type >("my_type")
    .add_property("position", +[](my_type& self) -> object {
        return wrap(self.position.data(), self.position.size());
      });
}

该示例描述了属性的"getter"。对于"setter"，最简单的方法是使用 boost::python::stl_input_iterator<double> 从boost::python::object手动分配数组元素。

直接使用 numpy api 不一定很困难，但我在我的项目中经常使用 boost：：multiarray，并且发现在 C++/Python 边界之间自动传输数组的形状很方便。所以，这是我的食谱。使用 http://code.google.com/p/numpy-boost/或更好的是，此版本的 numpy_boost.hpp 标头;这更适合多文件 boost：:p ython 项目，尽管它使用了一些 C++11。然后，从你的 boost：:p ython 代码中，使用如下内容：

PyObject* myfunc(/*....*/)
{
   // If your data is already in a boost::multiarray object:
   // numpy_boost< double, 1 > to_python( numpy_from_boost_array(result_cm) );
   // otherwise:
   numpy_boost< double, 1> to_python( boost::extents[n] );
   std::copy( my_vector.begin(), my_vector.end(), to_python.begin() );
   PyObject* result = to_python.py_ptr();
   Py_INCREF( result );
   return result;
}

我查看了可用的答案并想，"这将很容易"。 我继续花了几个小时尝试看似微不足道的例子/对答案的改编。

然后我完全实现了@max的答案(必须安装 Eigen(，它工作正常，但我仍然无法适应它。 我的问题主要是(按数字(愚蠢的语法错误，但此外，在向量似乎从堆栈中删除后，我使用了一个指向复制的 std：：vector 数据的指针。

在此示例中，返回指向 std：：vector 的指针，但您也可以返回 size 和 data(( 指针，或使用任何其他实现，让您的 numpy 数组以稳定的方式访问底层数据(即保证存在(：

class_<test_wrap>("test_wrap")
    .add_property("values", +[](test_wrap& self) -> object {
            return wrap(self.pvalues()->data(),self.pvalues()->size());
        })
    ;

对于带有std::vector<double>的test_wrap(通常 pvalues(( 可能只返回指针而不填充向量(：

class test_wrap {
public:
    std::vector<double> mValues;
    std::vector<double>* pvalues() {
        mValues.clear();
        for(double d_ = 0.0; d_ < 4; d_+=0.3)
        {
            mValues.push_back(d_);
        }
        return &mValues;
    }
};

完整的示例在 Github 上，因此您可以跳过繁琐的转录步骤，而不必担心构建、库等。 您应该能够执行以下操作并获得一个功能示例(如果您已安装必要的功能并且已经设置了路径(：

git clone https://github.com/ransage/boost_numpy_example.git
cd boost_numpy_example
# Install virtualenv, numpy if necessary; update path (see below*)
cd build && cmake .. && make && ./test_np.py

这应该给出输出：

# cmake/make output
values has type <type 'numpy.ndarray'>
values has len 14
values is [ 0.   0.3  0.6  0.9  1.2  1.5  1.8  2.1  2.4  2.7  3.   3.3  3.6  3.9]

*就我而言，我将 numpy 放入虚拟环境如下 - 如果您可以按照 @max 的建议执行python -c "import numpy; print numpy.get_include()"，这应该是不必要的：

# virtualenv, pip, path unnecessary if your Python has numpy
virtualenv venv
./venv/bin/pip install -r requirements.txt 
export PATH="$(pwd)/venv/bin:$PATH"

玩得开心！ ：-(