怎样在Python中将NumPy数组传递给C/C++动态链接库-Python教程-PHP中文网

numpy数组可安全传给c函数的前提是c连续且dtype匹配；ctypes需用ndpointer声明参数类型以自动校验；pybind11用array_t接收并确保数组可写及生命周期可控。

怎样在python中将numpy数组传递给c/c++动态链接库

NumPy数组内存布局是否兼容C函数参数

NumPy数组默认是C连续（order='C'）且数据类型明确的，只要确保数组满足 array.flags.c_contiguous 为 True、array.dtype 是标准数值类型（如 np.float64、np.int32），就能安全传给C函数接收 double* 或 int* 指针。否则C端读到的是乱码或崩溃。

常见错误现象：Segmentation fault 或计算结果全为0——大概率是数组非连续或 dtype 不匹配。

强制转成C连续：arr = np.ascontiguousarray(arr, dtype=np.float64)
检查连续性：assert arr.flags.c_contiguous
避免用 np.array(..., order='F') 或切片后未拷贝（如 arr[::2] 默认不连续）

如何用ctypes正确加载并调用C函数

ctypes 是最轻量、无需编译封装层的方式，但必须手动声明函数签名，否则参数会被错误解释。

假设C库导出函数：void process_array(double* data, int len, double scale)，对应Python调用要点：

用 np.ctypeslib.ndpointer 声明指针类型更安全（比裸 ctypes.POINTER(ctypes.c_double) 更能校验数组属性）
加载库：lib = ctypes.CDLL("./libmylib.so")（Linux）或 ./mylib.dll（Windows）
设置函数参数类型：lib.process_array.argtypes = [np.ctypeslib.ndpointer(dtype=np.float64, flags='C_CONTIGUOUS'), ctypes.c_int, ctypes.c_double]
设置返回类型：lib.process_array.restype = None
调用：lib.process_array(arr, len(arr), 2.0)

为什么不能直接传 arr.data 或 arr.__array_interface__['data'][0]

arr.data 返回的是 memoryview，不能直接当指针传；arr.__array_interface__['data'][0] 虽然给出地址，但 ctypes 不认这个整数，必须包装成指针对象。

错误写法：lib.process_array(arr.data, ...) → 报错 ArgumentError: argument 1: <class>: expected LP_c_double instance instead of memoryview</class>

Shadows Python Sensei

Python 最佳实践助手——代码规范、设计模式、性能优化、测试与类型注解。适用于编写或审查 Python 代码。

下载

正确做法只有两种：

用 arr.ctypes.data_as(ctypes.POINTER(ctypes.c_double))
或更推荐：用 np.ctypeslib.ndpointer 配合 argtypes，让 ctypes 自动完成转换和校验

后者能提前捕获 dtype/连续性问题，前者容易掩盖错误。

使用pybind11时如何接收NumPy数组

pybind11 比 ctypes 更现代，但需额外编译，且必须链接 numpy 模块支持。核心是用 pybind11::array_t<t></t> 类型接收，它自动处理内存视图、dtype 和形状。

C++侧示例函数签名：void process(pybind11::array_t<double> arr)</double>，内部可这样取原始指针：

auto buf = arr.request();
double *ptr = static_cast<double>(buf.ptr);
int len = buf.shape[0]; // 一维假设
</double>

注意点：

必须在 setup.py 或 CMakeLists.txt 中启用 pybind11::module_::import("numpy") 并调用 pybind11::buffer_protocol()
若C++函数修改数组内容，需确保 NumPy 数组不是只读的（arr.writeable 为 True）
多维数组要检查 buf.ndim 和 buf.shape，不能硬编码索引