ctypes 外部函数接口 (`numpy.ctypeslib`)#

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

从 ctypes 数组或 POINTER 创建 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 整型数组

>>> 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)[源代码]#

从 numpy 数组创建并返回一个 ctypes 对象。实际上，任何暴露 __array_interface__ 的对象都可以接受。

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)[源代码]#

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

引发:

NotImplementedError: 如果转换不可能

备注

此函数在任一方向上都不能无损地进行往返转换。

np.dtype(as_ctypes_type(dt)) 将

插入填充字段
将字段按偏移量排序
丢弃字段标题

as_ctypes_type(np.dtype(ctype)) 将

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

示例

转换简单 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)[源代码]#

可以使用以下方式加载库

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

但是存在跨平台考虑因素，例如库文件的扩展名，以及 Windows 将加载它找到的第一个同名库的事实。NumPy 提供 load_library 函数作为一种便利。

版本 1.20.0 中已更改：允许 libname 和 loader_path 接受任何类路径对象。

参数:

libname类路径: 库的名称，可以带有“lib”作为前缀，但没有扩展名。
loader_path类路径: 库所在的位置。

返回:

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

引发:

OSError: 如果不存在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)[源代码]#

数组检查 restype/argtypes。

ndpointer 实例用于在 restype 和 argtype 规范中描述 ndarray。这种方法比使用例如 POINTER(c_double) 更灵活，因为可以指定多项限制，这些限制会在调用 ctypes 函数时进行验证。这些限制包括数据类型、维数、形状和标志。如果给定的数组不满足指定的限制，将引发 TypeError。

参数:

dtype数据类型，可选

数组数据类型。

ndimint, optional

数组的维度数。

shapetuple of ints, optional

数组形状。

flagsstr or tuple of str

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，它是一个包含 dtype、ndim、shape 和 flags 信息的 _ndtpr 实例。

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 ctypes 有符号整数类型，大小与 numpy.intp 相同。

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`)#