[英]Function in cython changes numpy array type
我正在使用Cython和numpy,但是与更改numpy数组元素的dtype的cython函数有关的问题很奇怪。 奇怪的是,仅在实际指定数组的输入类型时才更改dtype。
我在Ubuntu 18.04上使用Cython == 0.29.11,numpy == 1.15.4,python 3.6。
# cyth.pyx
cimport numpy as np
def test(x):
print(type(x[0]))
def test_np(np.ndarray[np.uint32_t, ndim=1] x):
print(type(x[0]))
现在对这个文件进行cythonize并使用以下功能:
>>> from cyth import test, test_np
>>> import numpy as np
>>> a = np.array([1, 2], dtype=np.uint32)
>>> test(a)
<class 'numpy.uint32'>
>>> test_np(a)
<class 'int'>
因此test
按预期方式工作,打印输入数组中第一个元素的类型-uint32。 但是test_np
实际上确保了传入数组的类型为uint32,现在显示了常规Python int作为第一个元素的类型。
即使试图强制元素为正确的类型也不起作用,即使用:
def test_np(np.ndarray[np.uint32_t, ndim=1] x):
cdef np.uint32_t el
el = x[0]
print(type(el))
仍然导致
>>> test_np(a)
<class 'int'>
在理解这一差异方面的任何帮助将不胜感激。
Cython不会更改数组的类型,但是会返回类型稍有不同的元素。
numpy-array中的数据存储为32位无符号整数的连续字段。 访问x[0]
意味着创建一个Python对象(因为Python解释器无法处理原始C-int) np.uint32
对于每个numpy- np.uint32
都有专用的包装器类,并返回一个np.uint32
。
另一方面,Cython将所有简单的C整数类型(例如long
, int
等)映射到Python整数(有意义)上。
现在,当导入numpy时, x[0]
不再意味着使用numpy数组的__getitem__()
(它将返回np.uint32
),而是C整数(在这种情况下为unsigned 4byte),它将转换为Python整数,因为“ return XXX”表示在def函数中表示结果必须是Python对象。
这确实意味着该数组具有不同的类型-Cython将这些类型映射为Python对象时,它们的映射方式不同。
如果要以np.uint32
-objects的形式访问数据,则可以调用__getitem__
而不是[..]
(Cython将[..]
转换为对原始C数据的访问权):
%%cython
cimport numpy as np
def test_np(np.ndarray[np.uint32_t, ndim=1] x):
print(type(x[0])) # int
print(type(x.__getitem__(0))) # numpy.uint32
当您使用类型化的内存视图而不是ndarray时,直接调用__getitem__
会返回内存视图的Python整数__getitem__
而不调用基础ndarray的__getitem__
而是在C级访问数据。 调用底层对象的__getitem__
进行内存视图:
def test_np(np.uint32_t[:] x):
print(type(x[0]))
print(type(x.base.__getitem__(0))) # instead of x.__getitem__(0)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.