带有 Cython 的布尔 numpy 数组答案

【问题标题】：Boolean numpy arrays with Cython带有 Cython 的布尔 numpy 数组
【发布时间】：2018-08-10 00:33:02
【问题描述】：

我有一个 numpy 布尔数组：

myarr = np.array([[False, True], [True, False]])

如果我尝试用它初始化 Cython MemoryView，如下所示：

cdef bint[:,:] mymem = myarr

我收到此错误：

ValueError: Does not understand character buffer dtype format string ('?')

如果我这样做，它可以正常工作：

cdef np.int_t[:,:] mymem = np.int_(myarr)

如何使用 Cython MemoryViews 存储布尔 numpy 数组？

【问题讨论】：

标签： python numpy cython memoryview typed-memory-views

【解决方案1】：

我发现这样做最简单：

cdef uint8_t[:] arr_memview8 = data.astype(np.uint8)
bool* ptr = <bool*>&arr_memview8[0]

【讨论】：

【解决方案2】：

这个信息似乎不容易找到，my reference 已经很老了（2011 年），但从那时起似乎没有太大变化。

Numpy 的布尔数组对 False/True 使用 8 位值（这本身并不明显 - C++ 的 std::vector<bool> 使用例如每个值 1 位）与 0-意思是 False 和 1-意思是True。您可以将cast=True 用于unit8-array，以便将其用作bool-array，例如：

 %%cython
 import numpy as np
 cimport numpy as np
 def to_bool_array(lst):
    cdef np.ndarray[np.uint8_t, ndim = 1, cast=True] res
    res=np.array(lst, dtype=bool)
    return res

现在：

 >>> to_bool_array([True,False,True,False])
 array([ True, False,  True, False], dtype=bool)

设置cast=True 让Cython 的类型检查有些松懈，因此可以重新解释具有相同元素大小的numpy 数组（例如uint8、int8 和bool）。但是，如果元素大小不同，这将不起作用：例如 np.int8(1byte) 和 np.int16 (2bytes)。

【讨论】：

【解决方案3】：

前段时间我遇到了同样的问题。不幸的是，我没有找到直接的解决方案。但是还有另一种方法：由于布尔值数组的数据类型大小与uint8 相同，因此您也可以使用这种类型的内存视图。 uint8 内存视图中的值也可以与布尔值进行比较，因此其行为大多与实际的bint 内存视图相同：

cimport cython
cimport numpy as np
import numpy as np
ctypedef np.uint8_t uint8

cdef int i
cdef np.ndarray array = np.array([True,False,True,True,False], dtype=bool)
cdef uint8[:] view = np.frombuffer(array, dtype=np.uint8)
for i in range(view.shape[0]):
    if view[i] == True:
        print(i)

输出：

0
2
3

【讨论】：