我会稍微改变你的函数的签名：
- 对于每个 numpy 数组，函数还需要知道该数组中元素的数量
- 数据是
double * 而不是float *，因为这对应于默认的np.float-type。但这可以根据您的需要进行调整。
这导致以下 c++ 接口/代码（为方便起见，我为 Cython 使用 C-verbatim-code 功能>=0.28）：
%%cython --cplus -c=-std=c++11
from libcpp.vector cimport vector
cdef extern from *:
"""
struct Numpy1DArray{
double *ptr;
int size;
};
static double cpp_func(const std::vector<Numpy1DArray> &vec){
// Fill with life to see, that it really works:
double res = 0.0;
for(const auto &a : vec){
if(a.size>0)
res+=a.ptr[0];
}
return res;
}
"""
cdef struct Numpy1DArray:
double *ptr
int size
double cpp_func(const vector[Numpy1DArray] &vec)
...
struct Numpy1DArray 只是捆绑了 np 数组所需的信息，因为这不仅仅是指向连续数据的指针。
朴素版
现在，编写包装函数非常简单：
%%cython --cplus -c=-std=c++11
....
def call_cpp_func(list_of_arrays):
cdef Numpy1DArray ar_descr
cdef vector[Numpy1DArray] vec
cdef double[::1] ar
for ar in list_of_arrays: # coerse elements to double[::1]
ar_descr.size = ar.size
if ar.size > 0:
ar_descr.ptr = &ar[0]
else:
ar_descr.ptr = NULL # set to nullptr
vec.push_back(ar_descr)
return cpp_func(vec)
有几点值得注意：
- 您需要将列表的元素强制转换为实现缓冲区协议的东西，否则
&ar[0] 显然不起作用，因为 Cython 会期望 ar[0] 成为 Python 对象。顺便说一句，这就是你错过的。
- 我选择了 Cython 的内存视图（即
double[::1]）作为强制目标。与np.ndarray 相比的优势在于它也可以与array.array 一起使用，并且还会自动检查数据是否连续（这就是::1 的含义）。
- 一个常见的陷阱是访问
ar[0] 以获得一个空的ndarray - 此访问必须受到保护。
- 此代码不是线程安全的。另一个线程可以使指针无效，例如通过就地调整 numpy-arrays 的大小或完全删除 numpy-arrays。
- IIRC，对于 Python 2，您必须
cimport array 才能使代码与 array.array 一起使用。
最后，这是一个测试，代码是否有效（列表中还有一个array.array 来说明这一点）：
import array
import numpy as np
lst = (np.full(3, 1.0), np.full(0, 2.0), array.array('d', [2.0]))
call_cpp_func(lst) # 3.0 as expected!
线程安全版本
上面的代码也可以用线程安全的方式编写。可能的问题是：
- 另一个线程可以通过调用
list_of_arrays.clear() 来触发删除 numpy-arrays - 之后可能没有更多的数组引用，它们将被删除。这意味着只要我们使用指针，我们就需要保留对每个输入数组的引用。
- 另一个线程可以调整数组的大小，从而使指针无效。这意味着我们必须使用缓冲区协议 - 它的
__getbuffer__ 锁定缓冲区，因此一旦我们完成计算，它就不能失效并通过__releasebuffer__ 释放缓冲区。
Cython 的内存视图可用于锁定缓冲区并保持对输入数组的引用：
%%cython --cplus -c=-std=c++11
....
def call_cpp_func_safe(list_of_arrays):
cdef Numpy1DArray ar_descr
cdef vector[Numpy1DArray] vec
cdef double[::1] ar
cdef list stay_alive = []
for ar in list_of_arrays: # coerse elements to double[::1]
stay_alive.append(ar) # keep arrays alive and locked
ar_descr.size = ar.size
if ar.size > 0:
ar_descr.ptr = &ar[0]
else:
ar_descr.ptr = NULL # set to nullptr
vec.push_back(ar_descr)
return cpp_func(vec)
开销很小：将内存视图添加到列表中 - 安全的代价。
释放吉尔
最后一个改进：计算cpp_fun时可以释放gil，这意味着我们必须将cpp_func作为nogil导入并释放它为什么调用函数：
%%cython --cplus -c=-std=c++11
from libcpp.vector cimport vector
cdef extern from *:
....
double cpp_func(const vector[Numpy1DArray] &vec) nogil
...
def call_cpp_func(list_of_arrays):
...
with nogil:
result = cpp_func(vec)
return result
Cython 会发现 result 是 double 类型，因此可以在调用 cpp_func 时释放 gil。