Question

我有一个Cython函数，它接受一个2d nd.array（numpy数组）的整数，并返回一个1d numpy数组，其长度与输入的2d数组相同。

import numpy as np
cimport numpy as np

np.import_array()
cimport cython
def func(np.ndarray[np.float_t, dim=2] input_arr):
   cdef np.ndarray[np.float_t, ndim=1] new_arr = ...
   # do stuff
   return new_arr

在程序的另一个循环中，我想调用func，但是传递一个从另一个2d数组动态创建的2d数组。现在我有：

my_2d_numpy_array = np.array([[0.5, 0.1], [0.1, 10]]) # assume this is defined
cdef int N = 10000
cdef int k
for j in xrange(N)
  # find some element k of interest
  # create a 2d array on fly containing just the k-th to func()
  func(np.array([my_2d_numpy_array[k]], dtype=float))  # KEY LINE

这有效，但我认为每次在循环内调用np.array会产生巨大的开销，因为它会回到Python。由于func只读取数组而不修改它，我怎样才能将数组视图作为指针传递给它，而不是通过回到Python来创建一个新数组？我只想提取k my_2d_numpy_array行func()并将其传递给nd.array

更新：一个相关问题：如果我在循环中使用nd.array但在func中不需要func的完整功能，我可以让nd.array取而代之的是静态C数组，并以某种方式对待func吗？这会节省成本吗？大概那么你不必将对象传递给nd.array（{{1}}是一个对象）

Answer 1

您想使用Cython内存视图。它们被设计用于在作为同一Cython模块一部分的函数之间传递数组切片。您可能需要在Cython模块中内联函数以获得完整的性能优势，但这并非总是必要的。你可以看一下documentation。我最近给另一个question写了一个相当冗长的答案，它会查看应该使用内存视图的时间。如果您想更详细地检查为什么切片适用于内存视图，请查看此blog post。

如果你不使用内存视图，涉及NumPy数组的切片仍然涉及Python调用，并且不是在C中执行。

针对您的具体情况，以下是一些想法：如果要在Cython模块中的函数之间传递数组切片，则应该能够使用内存视图来传递切片。这种方法确实依赖于编译时优化，因此如果需要在两个不同时间编译的函数之间传递数组，则必须使用指针在函数之间传递数据。这意味着要做一些仔细的指针算法，但它仍然可以工作。如果你需要切片并使用NumPy函数，你可能最终不得不使用NumPy数组，但是值得尝试使用NumPy数组和查看相同数据的内存视图。这样你就可以将切片作为内存视图传递，而只需要在你真正需要时创建NumPy数组。

另外，我建议将函数func作为一个C函数，以便在调用它时不必经历调用Python函数的开销。您可以使用cdef或cpdef关键字来声明它。如果您不需要从模块外部调用它，请使用cdef。如果需要C函数和Python可访问的相应Python包装器，请使用cpdef。

Answer 2

func(my_2d_numpy_array[k:k+1])

切片my_2d_numpy_array而不是索引它可以获得您想要的视图所需的视图。

在Cython中获取numpy数组子集的最快方法

2 个答案: