Numpy C-Api 从列到行主要更改排序

Question

在将 numpy 数组传递给 c 扩展时，更改其顺序的最佳方法是什么？对于界面，我使用 cython 和 numpy 的 PyArray_DATA

假设我有x = np.empty((2000,10))，并且我想将该数组传递给C，这样x[2000] 对应于python 中的x[0,1]，x[1] 对应于x[1,0]。 我该怎么做？

到目前为止，我尝试了np.copy(oder='C')、np.transpose()、np.reshape((-1)) 和 np.flatten 的各种组合。

Answer 1

您似乎对术语“列专业”和“行专业”感到困惑。 Row-major 是 order='c' 和 Column-major 是 order='f'。这是一个显示aht的示例

shape = (2000, 10)
buffer = "".join("{:5d}".format(i) for i in range(np.prod(shape)))
x = np.ndarray(shape, 'S5', order='f', buffer=buffer)
print x[0, 1]
# ' 2000'
print x.flags
#   C_CONTIGUOUS : False
#   F_CONTIGUOUS : True
#   OWNDATA : False
#   WRITEABLE : False
#   ALIGNED : False
#   UPDATEIFCOPY : False
x = np.ndarray((2000, 10), 'S5', order='c', buffer=buffer)
print x[0, 1]
# '    1'
print x.flags
#   C_CONTIGUOUS : True
#   F_CONTIGUOUS : False
#   OWNDATA : False
#   WRITEABLE : False
#   ALIGNED : False
#   UPDATEIFCOPY : False

有几种方法可以在 numpy 中强制进行内存布局，这里有一些：

# When you create the array:
x = np.empty((2000, 10), order='f')

# Check the order and copy if needed:
x = np.asfortranarray(x)

# Force a copy:
x_fortran = x.copy(order='f')

请注意，所有这 3 种方法都会生成一个“相同”的 numpy 数组，即所有 python 代码看起来都一样：

print np.all(x.copy('c') == x.copy('f'))
# True