Cython：使用融合类型在一个参数中传递多个numpy数组

Question

我已经重写了从C到Cython的算法，所以我可以利用融合类型，并使从python调用更容易。 该算法可以使多个数组与其他一些参数一起工作。 数组被接受为指针指针（例如）。 我想我会通过提供多个数组作为numpy数组的元组来从python调用cython代码，但要做到这一点会使融合类型变得混乱。 这是我现在如何工作的一个简单示例：

import numpy
cimport numpy

ctypedef fused test_dtype:
    numpy.float32_t
    numpy.float64_t

cdef int do_stuff(test_dtype **some_arrays):
    if test_dtype is numpy.float32_t:
        return 1
    elif test_dtype is numpy.float64_t:
        return 2
    else:
        return -1

def call_do_stuff(tuple some_arrays):
    cdef unsigned int num_items = len(some_arrays)
    cdef void **the_pointer = <void **>malloc(num_items * sizeof(void *))
    if not the_pointer:
        raise MemoryError("Could not allocate memory")
    cdef unsigned int i
    cdef numpy.ndarray[numpy.float32_t, ndim=2] tmp_arr32
    cdef numpy.ndarray[numpy.float64_t, ndim=2] tmp_arr64
    if some_arrays[0].dtype == numpy.float32:
        for i in range(num_items):
            tmp_arr32 = some_arrays[i]
            the_pointer[i] = &tmp_arr32[0, 0]
        return do_stuff(<numpy.float32_t **>the_pointer)
    elif some_arrays[0].dtype == numpy.float64:
        for i in range(num_items):
            tmp_arr64 = some_arrays[i]
            the_pointer[i] = &tmp_arr64[0, 0]
        return do_stuff(<numpy.float64_t **>cols_pointer)
    else:
        raise ValueError("Array data type is unknown")

我意识到我可以在元组中指定类型，但如果我理解正确的话，没有比“对象”更复杂的东西。 有谁知道我正在做的事情更清洁的方式？ 任何其他cython技巧表示赞赏。

传递了其他参数，包括与数组相同类型的fill_value参数。 如果test_dtype可以在调用时通过数组或fill参数确定，代码会变test_dtype简单，但我找不到一个好的方法来保证C将以正确的类型接收值。 例如，传递numpy.nan或numpy.float64(numpy.nan)并不保证数据类型。

Answer 1

在Python和NumPy编程10年之后（以及C，C ++，Matlab和Fortran之前10年），这是我的总体印象：

使用C语言编写C，C ++或Fortran中的数字代码通常比使用Cython更容易。 我能想到的唯一例外是最小的代码snipplet。 在C ++中，您可以使用模板和STL（如果您愿意，还可以使用Boost）。

学习使用NumPy C API。 PyArrayObject（在C中调用NumPy数组）具有可用于调度的类型编号。 您可以使用PyArrayObject *上的宏PyArray_TYPE（）获取它。 numpy.float64映射到类型号NPY_FLOAT64，numpy.float32映射到类型号NPY_FLOAT32等。然后你有相应的C和C ++ typedef，你可以在你的C或C ++代码中使用：如果PyArray_TYPE（x）== NPY_FLOAT64，数据要在C或C ++中使用的类型是npy_float64。 这样您就可以编写C或C ++代码，这些代码完全由您传入的NumPy数组定义。

我通常在PyArray_TYPE（x）上使用switch语句，在NPY_FLOAT64，NPY_FLOAT32等上使用case。对于每种情况，我都使用正确的模板类型调用模板化C ++函数。 这样可以将我需要写入的代码量保持在最低限度。

http://docs.scipy.org/doc/numpy/reference/c-api.html

Cython适用于包装C和C ++并避免繁琐的Python C API编码，但这是对静态类型参数的限制。 对于“从头到尾”的数字代码，我认为使用普通的C ++会更好，但Cython是一个很好的工具，可以将它暴露给Python。 所以用C ++编写你的数字内容并使用Cython来调用你的C ++。 这将是我能给出的最佳建议.Cython是编写Python扩展的优秀工具，但当C ++是您真正想要的时候，它不能替代C ++。

至于你的问题：你想做的事情真的不可能。 因为在C或C ++中，这是Cython发出的，numpy.ndarray是PyArrayObject *，无论dtype如何。 所以你需要手动编写switch语句。