带有 Cython 的布尔 numpy 数组

Question

我有一个 numpy 布尔数组：

myarr = np.array([[False, True], [True, False]])

如果我尝试用它初始化 Cython MemoryView，如下所示：

cdef bint[:,:] mymem = myarr

我收到此错误：

ValueError: Does not understand character buffer dtype format string ('?')

如果我这样做，它工作正常：

cdef np.int_t[:,:] mymem = np.int_(myarr)

如何使用 Cython MemoryViews 存储布尔 numpy 数组？

Answer 1

这个信息似乎不太容易找到， 我的参考资料很旧（2011），但从那时起似乎没有太大变化。

Numpy 的 bool-array 对 False/True 使用 8 位值（这本身并不明显 - C++ 的std::vector<bool>使用例如每个值 1 位），其中0 -meaning False和1 -meaning True 。 您可以对unit8使用cast=True以将其用作bool -array，例如：

 %%cython
 import numpy as np
 cimport numpy as np
 def to_bool_array(lst):
    cdef np.ndarray[np.uint8_t, ndim = 1, cast=True] res
    res=np.array(lst, dtype=bool)
    return res

现在：

 >>> to_bool_array([True,False,True,False])
 array([ True, False,  True, False], dtype=bool)

设置cast=True会给 Cython 的类型检查带来一些松弛，因此可以重新解释具有相同元素大小（例如uint8 、 int8和bool ）的 numpy 数组。 但是，如果元素大小不同，这将不起作用：例如np.int8 (1byte) 和np.int16 (2bytes)。

Answer 2

前段时间我遇到了同样的问题。 不幸的是，我没有找到直接的解决方案。 但是还有另一种方法：由于布尔值数组与uint8具有相同的数据类型大小，因此您也可以使用这种类型的内存视图。 uint8内存视图中的值也可以与布尔值进行比较，因此行为大多等于实际的bint内存视图：

cimport cython
cimport numpy as np
import numpy as np
ctypedef np.uint8_t uint8

cdef int i
cdef np.ndarray array = np.array([True,False,True,True,False], dtype=bool)
cdef uint8[:] view = np.frombuffer(array, dtype=np.uint8)
for i in range(view.shape[0]):
    if view[i] == True:
        print(i)

输出：

0
2
3

Answer 3

我发现最简单的做法是：

cdef uint8_t[:] arr_memview8 = data.astype(np.uint8)
bool* ptr = <bool*>&arr_memview8[0]