使用 Cython，我尝试这样做：
cpdef myFun(double[:] array):
cdef int[:] sortIndices = np.argsort(array, kind='mergesort')
array = array[sortIndices]
编译器报错：
指定的内存视图索引无效，键入 int[:]
如何使用某种整数数组索引此内存视图？是否只允许切片？我可以轻松地使用基于“数组”的索引和旧的 NumPy 数组缓冲区支持。 （我刚刚调整了我的代码以使用 memoryviews 来查看它是否会提高性能，但它实际上会中断......）
【问题讨论】：
标签： python-3.x indexing cython typed-memory-views
@ead 关于自己展开循环的建议是一个不错的建议，但是我很想对底层 Numpy 数组进行这种类型的索引，您可以使用 memoryview 的 base 属性访问它：
array = array.base[sortIndices]
或者
array = np.asarray(array)[sortIndices]
这具有快速编码的优点，并且只需要对您的工作 ndarray 代码进行最少的修改。它有一些小缺点：
没有 Cython 加速，因为它基本上是一个 Python 对象调用 - 我希望这无关紧要，因为 Numpy 索引通常非常快，并且假设 sortIndices 的长度足以否定 Python 对象调用。
如果底层对象实际上不是 Numpy 数组，则第一个版本会中断（因此，与最初出现的 memoryview 接口相比，该函数在它可以采用的类型方面受到更多限制。您可以通过使用来解决这个问题第二个版本，它应该创建一个包裹在 memoryview 内存周围的 Numpy 数组。
【讨论】：
恐怕不可能像 numpy 使用 int-arrays 那样使用类型化的内存视图作为索引。
Cython 的文档states that
内存视图使用 Python 切片语法的方式与 NumPy 类似。
“相似”意味着它对于整数、切片 (:)、省略号 (...) 和 None（对应于 numpy.newaxis('None')）是相同的，但对于整数 不是-数组或布尔数组，可以在numpy中用作索引。
负责生成对类型化内存视图的访问的 Cython 代码是 generate_buffer_slice_code，您需要知道的全部内容都在文档字符串中：
""" Slice a memoryviewslice. indices - list of index nodes. If not a SliceNode, or NoneNode, then it must be coercible to Py_ssize_t .... """
所以array 既不是 SliceNode（即:、... 或例如0:33），也不是None，也不能强制转换为Py_ssize_t，因此不能由 Cython 处理.
我的第一个想法是，将功能添加到 Cython 的类型化内存视图不会太难。但这可能并不容易以一致的方式完成：操作的结果必须是一个新的类型化内存视图（因为我们无法就地更改手头的数组 - 结果数组可能具有完全不同的维度） - 但是哪种类型应该是底层缓冲区？在 numpy-world 中更容易，所有东西都是 numpy 数组，但类型化内存视图的底层缓冲区可以是 numpy-array、array.array、堆栈上的 c-array 等等。
您现在最好的选择可能是手动推出这种重新排序（这样您就可以明确选择底层缓冲区的类型）并通过它替换损坏的代码，或者为此操作回退到 numpy 功能，如@DavidWs 回答。
【讨论】：