Cython：对于类型化的内存视图，我应该使用np.float_t而不是double

Question

关于cython中的内存视图，如果我正在使用numpy浮点数组，那么使用NumPy类型（如np.float_t）键入视图是否有任何优势，而不是简单地执行double？

我应该以同样的方式输入cdef，做e。克。

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中包含的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，因此使用np.float_t应该没有任何优势。