PyArray_New 或 PyArray_SimpleNewFromData 指定 3D 数组的维度

Question

我有一个一维浮点数组（来自 C 空间），我想在 python 空间中读取它，并且副本为零。到目前为止，我所做的（主要是阅读）是：

// wrap c++ array as numpy array
//From Max http://stackoverflow.com/questions/10701514/how-to-return-numpy-array-from-boostpython
boost::python::object exposeNDarray(float * result, long size) {

    npy_intp shape[1] = { size }; // array size
    PyObject* obj = PyArray_SimpleNewFromData(1, shape, NPY_FLOAT, result);
    /*PyObject* obj = PyArray_New(&PyArray_Type, 1, shape, NPY_FLOAT, // data type
                              NULL, result, // data pointer
                              0, NPY_ARRAY_CARRAY_RO, // NPY_ARRAY_CARRAY_RO for readonly
                              NULL);*/
    handle<> array( obj );
    return object(array);
}

PyArray_New 注释部分在功能上与PyArray_SimpleNewFromData 相同。

我的问题是这个一维数组实际上应该是一个 3 维 ndarray。我可以控制我的 result 浮点数组的构造方式，如果可能的话，我希望将连续的内存块解释为 3 维数组。

我认为这可以通过指定 shape 变量来完成，但是我找不到任何关于如何解释内存的参考。

假设我需要我的数组看起来像：np.empty((x,y,z))。当我在 shape 变量中指定时，我的 result 数组的哪个部分将构成第一个维度，第二个维度的哪个部分等等？

Answer 1

有描述 numpy 数组布局的文档，例如https://docs.scipy.org/doc/numpy/reference/arrays.html

但也许一个简单的例子会有所帮助。

让我们创建一个由 24 个整数组成的 1d 数组，并将其重塑为 3d 形状。如果 'reshape' 没有意义，您需要复习一些数组基础知识，包括 view 与 copy 的概念。

In [226]: arr = np.arange(24).reshape(2,3,4)
In [227]: arr
Out[227]: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

查看这个数组的基本属性的一个方便的方法是这个字典：

In [228]: arr.__array_interface__
Out[228]: 
{'data': (159342384, False),
 'descr': [('', '<i4')],
 'shape': (2, 3, 4),
 'strides': None,
 'typestr': '<i4',
 'version': 3}

data 标识实际存储值的数据缓冲区的位置。在您的构造中，这将是您的 C 数组（或副本）。

在这种情况下，它是一个 96 字节的缓冲区 - 每个元素 4 个字节。此缓冲区由arange 函数创建，并由reshape '重用'。

In [229]: arr.tostring()
Out[229]: b'\x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00\x04\x00\x00\x00\x05\x00\x00\x00\x06\x00\x00\x00\x07\x00\x00\x00\x08\x00\x00\x00\t\x00\x00\x00\n\x00\x00\x00\x0b\x00\x00\x00\x0c\x00\x00\x00\r\x00\x00\x00\x0e\x00\x00\x00\x0f\x00\x00\x00\x10\x00\x00\x00\x11\x00\x00\x00\x12\x00\x00\x00\x13\x00\x00\x00\x14\x00\x00\x00\x15\x00\x00\x00\x16\x00\x00\x00\x17\x00\x00\x00'

In [230]: len(_)
Out[230]: 96
In [231]: 24*4

descr 或 arr.dtype 标识字节的解释方式 - 这里是一个 4 字节整数，'

shape 和 strides 确定如何查看 1d 数组 - 在本例中为 3d 数组。

In [232]: arr.strides
Out[232]: (48, 16, 4)
In [233]: arr.shape
Out[233]: (2, 3, 4)

这表示第一个维度（平面）长 48 个字节，其中有 2 个。第 2 行（每行）为 16 字节长，列元素之间的步长为 4 字节。

通过简单地改变步幅和形状，1d 数组可以被视为 2d、3d。甚至数组转置也是通过更改shape 和strides（以及另一个属性order）来实现的。

Answer 2

您可以为此使用pybind11。实际上，您可以将 takes a c array 和 reads from it 作为 numpy 视图的单元测试作为基础