将 numpy 数组传递给 c++ 函数并返回 numpy 数组作为输出的最有效方法是什么？

【问题标题】：What is the most efficient way to pass numpy array to c++ function and return numpy array as output?将 numpy 数组传递给 c++ 函数并返回 numpy 数组作为输出的最有效方法是什么？
【发布时间】：2014-05-14 11:41:12
【问题描述】：

我创建了一个共享库。我就是这样用的

class CAudioRecoveryStrategy(AbstractAudioRecoveryStrategy):
    def __init__(self):
        array_1d_double = npct.ndpointer(dtype=numpy.double, ndim=1, flags='CONTIGUOUS')
        self.lib = npct.load_library("libhello", ".")

        self.lib.demodulate.argtypes = [array_1d_double, array_1d_double, ctypes.c_int]

    def demodulate(self, input):
        output = numpy.empty_like(input)
        self.lib.demodulate(input, output, input.size)
        return output

现在我有一个问题，在 c++ 代码中我只有指向输出数据数组的指针，而不是数组。所以我不能返回数组，除非我手动复制它。

正确的做法是什么？它必须是高效的（如对齐内存等）

【问题讨论】：

标签： python c++ arrays numpy

【解决方案1】：

Numpy 数组实现缓冲区协议，请参阅 https://docs.python.org/2/c-api/buffer.html。尤其，将输入对象解析为 PyObject* （转换 O 如果您是使用PyArg_ParseTuple 或PyArg_ParseTupleAndKeywords)，然后做PyObject_CheckBuffer，以确保该类型支持协议（numpy数组做），然后PyObject_GetBuffer填写一个 Py_buffer 结构，包含物理地址、维度、等底层内存块。返回一个 numpy 缓冲区比较复杂；总的来说，我发现它足以创建我自己类型的对象，它们也支持缓冲区协议（在PyTypeObject 中将tp_as_buffer 设置为非空）。否则（但我实际上并没有尝试过），你必须导入 numpy 模块，获取其 array 属性，调用它正确的参数，然后使用上面的缓冲区协议你这样构造的对象。

【讨论】：

我不是在写 python 扩展。我正在使用共享库。所以那里没有 PyObjects。