【发布时间】：2013-07-10 11:55:39
【问题描述】：
在我的代码中，我通常使用 numpy 数组来连接方法和类。优化我的程序的核心部分，我将 cython 与这些 numpy 数组的 c 指针一起使用。不幸的是，我目前声明数组的方式很长。
例如，假设我有一个方法应该返回一个 numpy 数组 someArrayNumpy，但在函数指针内部应该使用 *someArrayPointers 来提高速度。我通常是这样声明的：
cdef:
numpy.ndarray someArrayNumpy = numpy.zeros(someArraySize)
numpy.ndarray[numpy.double_t, ndim=1] someArrayBuff = someArrayNumpy
double *someArrayPointers = <double *> someArrayBuff.data
[... some Code ...]
return someArrayNumpy
如您所见，基本上一个数组占用了 3 行代码，而且通常我必须声明更多这些数组。
有没有更紧凑/更聪明的方法来做到这一点？我想我错过了什么。
编辑：
所以因为它是由 J. Martinot-Lagarde 提出的，所以我对 C 指针和“numpy 指针”进行了计时。代码基本上是
for ii in range(someArraySize):
someArrayPointers[ii] += 1
和
for ii in range(someArraySize):
someArrayBuff[ii] += 1
使用上面的定义，但我添加了“ndim=1，mode='c'”只是为了确保。结果是 someArraySize = 1e8（以毫秒为单位的时间）：
testMartinot("cPointers")
531.276941299
testMartinot("numpyPointers")
498.730182648
这就是我从以前/不同的基准测试中大致记得的内容。
【问题讨论】：
-
如果有人正在阅读这篇文章：现在我开始使用 cython 的类型化内存视图。根据我的经验，它们在性能上非常接近 C 指针（比 numpy 缓冲区更接近）并且更易于使用。事实上，在极少数情况下，我使用 C 指针犯了“小”（因此不容易识别/避免）错误，这使得它们比类型化的内存视图慢。如果可能的话，我真的推荐输入内存视图。