Cython：我应该使用 np.float_t 而不是 double 类型的内存视图

Question

关于 cython 中的 memoryviews，如果我使用 numpy 浮点数组，使用诸如 np.float_t 之类的 NumPy 类型键入视图而不是简单地执行 double 是否有任何优势？

我应该输入cdef 然后以同样的方式，做e。 g.

ctypedef np.float64_t np_float_t
...

@cython.profile(False)
@cython.wraparound(False)
@cython.boundscheck(False)
cdef np_float_t mean_1d(np_float_t [:] v) nogil:
    cdef unsigned int n = v.shape[0]
    cdef np_float_t n_sum = 0.

    cdef Py_ssize_t i
    for i in range(n):
        n_sum += v[i]

    return n_sum / n

Answer 1

如果你查看 cython 包含的 numpy 头文件（例如，在 master 分支中，它是 __init__.pxd），你会发现

    ctypedef double       npy_double

和

ctypedef npy_double     float_t

换句话说，float_t 是 double，所以使用np.float_t应该没有优势。