将std::vector转换为NumPy数组而不复制数据

Convert a std::vector to a NumPy array without copying data

本文关键字：复制 数组 数据 std vector 转换 NumPy      更新时间：2023-10-16

我有一个c++库，其中目前有一些方法返回std::vector定义，如

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

我目前正在使用SWIG包装Python的整个库，到目前为止工作得很好。

SWIG很好地包装了这个getValues()函数，使得它返回一个Python元组。问题是在我的python端代码中，我想将其转换为NumPy数组。当然，我可以这样做:

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被SWIG复制到Python元组中，然后再被我复制到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创建一个numpy。内存中原始矢量数据的数组包装。

我已经阅读了numpy的文档。i，但它明确提到不支持输出数组，因为它们似乎在C风格数组而不是c++向量的假设下工作。

numpy。数组的底层数据结构只是一个C风格的数组，也是一个c++ std::vector，所以我希望它是可行的，然后访问内存中的相同数据。

是否有办法使SWIG返回一个numpy。数组不复制原始数据?

显然，将c++向量"强制转换"为(C)数组是微不足道的，参见这个问题的答案:如何在c++中将向量转换为数组

接下来，你可以创建一个numpy数组，它将使用C数组而不复制，参见这里的讨论，或谷歌PyArray_SimpleNewFromData。

我不希望SWIG自动为您完成所有这些工作，相反，您应该自己为函数getValues编写一个包装器，例如getValuesAsNumPyArray。

似乎PyArray_SimpleNewFromData需要你做你自己的内存管理;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来获得一个numpy数组，它与c++向量共享内存，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书籍第10章中的"包装C和c++数组"一节提供了很好的示例。请参见官方用户指南中的强制转换到Numpy。

相关文章：