如何将 c_uint 的 ctypes 数组转换为 numpy 数组答案

【问题标题】：How to convert a ctypes array of c_uint to a numpy array如何将 c_uint 的 ctypes 数组转换为 numpy 数组
【发布时间】：2019-08-27 21:58:48
【问题描述】：

我有以下 ctypes 数组：

data = (ctypes.c_uint * 100)()

我想创建一个 numpy 数组 np_data，其中包含来自 ctypes 数组数据的整数值（ctypes 数组显然稍后会填充值）

我已经看到 numpy (https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.ctypes.html) 中有一个 ctypes 接口，但据我了解，这只是从 numpy 数组中获取 ctypes，而不是相反。

我显然可以遍历data 并一个一个地填充np_data 数组项，但我想知道是否有更有效/更直接的方法来完成这项任务。

【问题讨论】：

标签： python arrays numpy ctypes

【解决方案1】：

你可以使用[SciPy.Docs]: numpy.ctypeslib.as_array(obj, shape=None)。

>>> import ctypes as ct
>>> import numpy as np
>>>
>>>
>>> CUIntArr10 = ctypes.c_uint * 10
>>>
>>> ui10 = CUIntArr10(*range(10, 0, -1))
>>>
>>> [i for i in ui10]  # The ctypes array
[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
>>>
>>> np_arr = np.ctypeslib.as_array(ui10)
>>> np_arr  # And the np one
array([10,  9,  8,  7,  6,  5,  4,  3,  2,  1], dtype=uint32)

没有找到具体的代码行（我也没有测试我的假设），但我觉得内容复制是由单个 memcpy 调用完成的，这将使它比从Python“手动”做事要快得多。

【讨论】：

【解决方案2】：

可能最快的是使用np.frombuffer。它可以与实现缓冲区协议的每个对象一起使用，特别是与 ctypes-arrays 一起使用。

np.frombuffer 的主要优点是，ctypes-array 的内存根本不是复制的，而是共享的：

data = (ctypes.c_uint * 100)()
arr = np.frombuffer(data, dtype=np.uint32)
arr.flags
# ...
# OWNDATA : False
# ...

通过设置

arr.flags.writable = False

可以确保，不会通过 numpy-array arr 更改数据。

如果确实需要复制数据，则可以将通常的 numpy 功能用于arr。

@CristiFati's answer 中提出的np.ctypeslib.as_array 似乎是创建 numpy-array 的更好方法：

内存也是共享的 - 不涉及复制。
自动使用正确的dtype（这是一件好事：它消除了错误（如在我的原始帖子中，我使用np.uint（在我的机器上表示64位无符号整数）而不是np.uint32 （在某些架构上也可能不正确）。

以上实验证明：

arr = np.ctypeslib.as_array(data)
arr.flags
# ...
# OWNDATA : False
# ...
arr.dtype
# dtype('<u4')

【讨论】：