ctypes 外部函数接口 (`numpy.ctypeslib`)#

numpy.ctypeslib.as_array(obj, shape=None)[source]#

从 ctypes 数组或 POINTER 创建一个 NumPy 数组。

NumPy 数组与 ctypes 对象共享内存。

如果从 ctypes POINTER 转换，则必须给出 shape 参数。如果从 ctypes 数组转换，则忽略 shape 参数。

示例

转换 ctypes 整数数组

>>> import ctypes
>>> ctypes_array = (ctypes.c_int * 5)(0, 1, 2, 3, 4)
>>> np_array = np.ctypeslib.as_array(ctypes_array)
>>> np_array
array([0, 1, 2, 3, 4], dtype=int32)

转换 ctypes POINTER

>>> import ctypes
>>> buffer = (ctypes.c_int * 5)(0, 1, 2, 3, 4)
>>> pointer = ctypes.cast(buffer, ctypes.POINTER(ctypes.c_int))
>>> np_array = np.ctypeslib.as_array(pointer, (5,))
>>> np_array
array([0, 1, 2, 3, 4], dtype=int32)

numpy.ctypeslib.as_ctypes(obj)[source]#

从 NumPy 数组创建并返回一个 ctypes 对象。实际上，任何公开 __array_interface__ 的对象都被接受。

示例

从推断的 int np.array 创建 ctypes 对象

>>> inferred_int_array = np.array([1, 2, 3])
>>> c_int_array = np.ctypeslib.as_ctypes(inferred_int_array)
>>> type(c_int_array)
<class 'c_long_Array_3'>
>>> c_int_array[:]
[1, 2, 3]

从显式的 8 位无符号 int np.array 创建 ctypes 对象

>>> exp_int_array = np.array([1, 2, 3], dtype=np.uint8)
>>> c_int_array = np.ctypeslib.as_ctypes(exp_int_array)
>>> type(c_int_array)
<class 'c_ubyte_Array_3'>
>>> c_int_array[:]
[1, 2, 3]

numpy.ctypeslib.as_ctypes_type(dtype)[source]#

将 dtype 转换为 ctypes 类型。

参数：

dtypedtype: 要转换的 dtype

返回：

ctype: 一个 ctype 标量、联合、数组或结构体

引发：

NotImplementedError: 如果转换不可行

备注

此函数不会在任何方向上无损往返。

np.dtype(as_ctypes_type(dt)) 将

插入填充字段
重新排序字段使其按偏移量排序
丢弃字段标题

as_ctypes_type(np.dtype(ctype)) 将

丢弃 ctypes.Structure 和 ctypes.Union 的类名
将单元素 ctypes.Union 转换为单元素 ctypes.Structure
插入填充字段

示例

转换简单的 dtype

>>> dt = np.dtype('int8')
>>> ctype = np.ctypeslib.as_ctypes_type(dt)
>>> ctype
<class 'ctypes.c_byte'>

转换结构化 dtype

>>> dt = np.dtype([('x', 'i4'), ('y', 'f4')])
>>> ctype = np.ctypeslib.as_ctypes_type(dt)
>>> ctype
<class 'struct'>

numpy.ctypeslib.load_library(libname, loader_path)[source]#

可以使用以下方法加载库：

>>> lib = ctypes.cdll[<full_path_name>] 

但是存在跨平台问题，例如库文件扩展名，以及 Windows 将只加载它找到的第一个具有该名称的库的事实。NumPy 提供 load_library 函数作为一种方便的方法。

1.20.0 版本中的更改：允许 libname 和 loader_path 接受任何路径状对象。

参数：

libname路径状对象: 库的名称，可以有 “lib” 作为前缀，但不带扩展名。
loader_path路径状对象: 可以找到库的位置。

返回：

ctypes.cdll[libpath]库对象: 一个 ctypes 库对象

引发：

OSError: 如果没有具有预期扩展名的库，或者库有缺陷且无法加载。

numpy.ctypeslib.ndpointer(dtype=None, ndim=None, shape=None, flags=None)[source]#

数组检查 restype/argtypes。

ndpointer 实例用于在 restypes 和 argtypes 规范中描述 ndarray。这种方法比使用 POINTER(c_double) 更灵活，因为可以指定多个限制，这些限制在调用 ctypes 函数时会进行验证。这些限制包括数据类型、维度数、形状和标志。如果给定的数组不满足指定的限制，则会引发 TypeError。

参数：

dtype数据类型，可选

数组数据类型。

ndimint，可选

数组维度数。

shape整数元组，可选

数组形状。

flagsstr 或 str 元组

数组标志；可以是一个或多个：

C_CONTIGUOUS / C / CONTIGUOUS
F_CONTIGUOUS / F / FORTRAN
OWNDATA / O
WRITEABLE / W
ALIGNED / A
WRITEBACKIFCOPY / X

返回：

klassndpointer 类型对象: 一个类型对象，它是一个 _ndtpr 实例，包含 dtype、ndim、shape 和 flags 信息。

引发：

TypeError: 如果给定的数组不满足指定的限制。

示例

>>> clib.somefunc.argtypes = [np.ctypeslib.ndpointer(dtype=np.float64,
...                                                  ndim=1,
...                                                  flags='C_CONTIGUOUS')]
... 
>>> clib.somefunc(np.array([1, 2, 3], dtype=np.float64))
... 

class numpy.ctypeslib.c_intp#

一个与 numpy.intp 大小相同的 ctypes 有符号整数类型。

根据平台的不同，它可以是 c_int、c_long 或 c_longlong 的别名。

ctypes 外部函数接口 (numpy.ctypeslib)#

ctypes 外部函数接口 (`numpy.ctypeslib`)#