如何将ctypes数组转换为numpy数组

Question

我有以下ctypes数组：

data = (ctypes.c_uint * 100)()

我想创建一个numpy数组np_data，其中包含ctypes数组数据中的整数值（ctypes数组显然稍后会填充值）

我已经看到numpy（https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.ctypes.html）中有一个ctypes接口，但据我所知，这只是从numpy数组中获取ctypes，而不是相反。你知道吗

显然，我可以遍历data并逐个填充np_data数组项，但我想知道是否有更有效/更直接的方法来完成此任务。你知道吗

Answer 1

你可以用[SciPy.Docs]: numpy.ctypeslib.as_array(obj, shape=None)。你知道吗

>>> import ctypes
>>> import numpy as np
>>>
>>> CUIntArr10 = ctypes.c_uint * 10
>>>
>>> ui10 = CUIntArr10(*range(10, 0, -1))
>>>
>>> [ui10[i] for i in range(10)]  # The ctypes array
[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
>>>
>>> np_arr = np.ctypeslib.as_array(ui10)
>>> np_arr  # And the np one
array([10,  9,  8,  7,  6,  5,  4,  3,  2,  1], dtype=uint32)

我没有找到具体的代码行（我也没有测试我的假设），但我有一种感觉，内容复制是由一个memcpy调用完成的，这将使它比从Python中“手动”执行操作快得多。你知道吗

Answer 2

可能最快的是使用^{}。它可以用于实现缓冲区协议的每个对象，特别是ctypes数组。你知道吗

np.frombuffer的主要优点是，ctypes数组的内存根本不是复制的，而是共享的：

data = (ctypes.c_uint * 100)()
arr = np.frombuffer(data, dtype=np.uint32)
arr.flags
# ...
# OWNDATA : False
# ...

通过设置

arr.flags.writable = False

可以确保数据不会通过numpy数组arr更改。你知道吗

如果确实需要复制数据，通常的numpy功能可以用于arr。你知道吗

---

in@CristiFati's answer建议的np.ctypeslib.as_array似乎是创建numpy数组的更好方法：

• 内存也是共享的-不涉及复制。你知道吗
• 右边的dtype是自动使用的（这是一件很好的事情：它消除了错误（正如在我原来的文章中，我使用了np.uint（在我的机器上是指64位无符号整数），而不是np.uint32（在某些架构上也可能不正确）。你知道吗

上述实验证明：

arr = np.ctypeslib.as_array(data)
arr.flags
# ...
# OWNDATA : False
# ...
arr.dtype
# dtype('<u4')