我可以强制一个 numpy ndarray 拥有它的内存吗？

Question

我有一个 malloc() 并填充二维浮点数组的 C 函数。它“返回”该地址和数组的大小。签名是

int get_array_c(float** addr, int* nrows, int* ncols);

我想从 Python 中调用它，所以我使用 ctypes。

import ctypes
mylib = ctypes.cdll.LoadLibrary('mylib.so')
get_array_c = mylib.get_array_c

我从来不知道如何用 ctypes 指定参数类型。我倾向于为我正在使用的每个 C 函数编写一个 python 包装器，并确保我在包装器中得到正确的类型。浮点数组是一个以列为主的矩阵，我想把它作为一个 numpy.ndarray 来获取。但它相当大，所以我想使用 C 函数分配的内存，而不是复制它。 （我刚刚在这个 StackOverflow 答案中找到了这个 PyBuffer_FromMemory 的东西：https://stackoverflow.com/a/4355701/3691）

buffer_from_memory = ctypes.pythonapi.PyBuffer_FromMemory
buffer_from_memory.restype = ctypes.py_object

import numpy
def get_array_py():
    nrows = ctypes.c_int()
    ncols = ctypes.c_int()
    addr_ptr = ctypes.POINTER(ctypes.c_float)()
    get_array_c(ctypes.byref(addr_ptr), ctypes.byref(nrows), ctypes.byref(ncols))
    buf = buffer_from_memory(addr_ptr, 4 * nrows * ncols)
    return numpy.ndarray((nrows, ncols), dtype=numpy.float32, order='F',
                         buffer=buf)

这似乎给了我一个具有正确值的数组。但我很确定这是内存泄漏。

>>> a = get_array_py()
>>> a.flags.owndata
False

数组不拥有内存。很公平;默认情况下，当从缓冲区创建数组时，它不应该。但在这种情况下，它应该。当 numpy 数组被删除时，我真的很希望 python 为我释放缓冲内存。似乎如果我可以强制 owndata 为 True，应该可以，但 owndata 不可设置。

不满意的解决方案：

1. 让 get_array_py() 的调用者负责释放内存。这太烦人了；调用者应该能够像对待任何其他 numpy 数组一样对待这个 numpy 数组。

2. 将原始数组复制到 get_array_py 中的新 numpy 数组（具有自己的独立内存）中，删除第一个数组，并释放 get_array_py() 中的内存。返回副本而不是原始数组。这很烦人，因为它本应是不必要的内存副本。

有没有办法做我想做的事？我无法修改 C 函数本身，但如果有帮助，我可以向库中添加另一个 C 函数。

Answer 1

我只是偶然发现了这个问题，这在 2013 年 8 月仍然是一个问题。Numpy 对 OWNDATA 标志真的很挑剔：在 Python 级别上无法修改它，因此 ctypes 很可能不会能够做到这一点。在 numpy C-API 级别上——现在我们正在讨论一种完全不同的制作 Python 扩展模块的方法——必须明确设置标志：

PyArray_ENABLEFLAGS(arr, NPY_ARRAY_OWNDATA);

在 numpy

((PyArrayObject*)arr)->flags |= NPY_OWNDATA;

如果对底层 C 函数/库有任何控制权，最好的解决方案是从 Python 传递一个适当大小的空 numpy 数组来存储结果。基本原则是应该始终完成内存分配在可能的最高级别上，在本例中为 Python 解释器级别。

---

正如kynan在下面评论的那样，如果你使用Cython，你必须手动暴露函数PyArray_ENABLEFLAGS，看这个帖子Force NumPy ndarray to take ownership of its memory in Cython。

相关文档为here 和here。

Answer 2

我倾向于从我的 C 库中导出两个函数：

int get_array_c_nomalloc(float* addr, int nrows, int ncols); /* Pass addr as argument */
int get_array_c(float **addr, int nrows, int ncols); /* Calls function above */

然后我会编写 get_array_c 的 Python 包装器 [1] 来分配数组，然后调用 get_array_c_nomalloc。然后 Python 确实拥有内存。您可以将此包装器集成到您的库中，这样您的用户就不必知道 get_array_c_nomalloc 的存在。

[1] 这不再是真正的包装器，而是一个适配器。