如何将 numpy ndarray 转换为 C float *[]

Question

我在C 中有代码，我想在python 中使用它，我使用SWIG 来包装C 代码，并成功在我的python 代码中导入了一个python 模块.

现在我有以下代码：

import flame
import numpy as np

data = np.random.rand(3,2).astype(np.float32, copy=False)
N = 3
M = 2
print data

flameobject = flame.Flame_New()
flame.Flame_SetDataMatrix( flameobject, data, N, M, 0 )

这给出了错误：

TypeError: in method 'Flame_SetDataMatrix', argument 2 of type 'float *[]'

我知道我应该将float array pointer 传递给该方法，但是如何将我的 Numpy 多维数组转换为正确的类型？

Answer 1

好吧，对于可能遇到与我相同问题的每个人，这就是我最终解决的方法。

首先我更改了 .h 文件和函数的 .c 文件中的标题

void Flame_SetDataMatrix( Flame *self, float *data[], int N, int M, int T );

到

void Flame_SetDataMatrix( Flame *self, float *data, int N, int M, int T );

在那之后，我添加了

%apply (float* IN_ARRAY2, int DIM1, int DIM2) {
    (float *data, int N, int M)
};

到接口文件（flame.i）。这使得在 Python 中调用函数成为可能，如下所示：flame.Flame_SetDataMatrix( flameobject, data, T)，其中 data 是具有二维的 numpy 数组。

现在的“问题”是到达 C 函数的数组格式错误，因为我们想要一个双精度数组（在本例中是指向浮点数的指针）。

解决办法是把这个包裹在一维中的数组转换成c代码中的双精度数组，如下：

//n = number of rows, m= number of columns columns
void Flame_SetDataMatrix( Flame *self, float *data, int n, int m, int dt )
{
    //convert data to float** for later use
    int i=0, j=0;
    float ** data2 = (float**) calloc( n, sizeof(float*) ); 
    for (i=0; i<n; i++){
        data2[i] = calloc( m, sizeof(float) ); 
        for (j=0; j<m; j++){
            //the data is in a single array row after row, so i*columns+j
            data2[i][j] = data[i * m + j];
        }
    }

最后，我可以使用相同的“技巧”将二维浮点数组恢复为 numpy 数组，我确实必须重新调整形状，但在 numpy 中这很容易。

希望对某人有所帮助。

Answer 2

有关于这一点的 SciPy 文档：How to pass numpy arrays to C code via SWIG（反之亦然）。看看here。

基本上，有一个 swig 接口文件numpy.i，您可以通过以下方式使用它。在您的 swig 接口文件中，您包括：

%{
#define SWIG_FILE_WITH_INIT
%}
%include "numpy.i"
%init %{
import_array();
%}

然后在您的接口文件中添加，然后再提及您的 C 函数：

%apply ( float* IN_ARRAY2, int DIM1, int DIM2 ) {
    (float* your_array_parameter_name, int N_parameter_name, int M_parameter_name)
};

这适用于普通的 C float 数组。我不太确定float* [] 是什么。您可能需要为此编写自己的类型映射，您可以使用numpy.i 提供的实用宏。但这一切都在上面提到的 numpy.i 文档中进行了解释，或者在相关的swig typemap docs