我想linalg反函数（la.inv）的输出分配给用Cython视图。 不幸的是，这并不工作。 我总是可以la.inv（）的输出分配到一个临时ndarray对象，然后其内容复制到视图。
有没有更好的方式来做到这一点。
cpdef int testfunc1(np.ndarray[np.float_t, ndim=2] A,
double [:,:] B) except -1:
print("inverse of A:", la.inv(A))
if np.isnan(A).any():
return -1
else:
B = la.inv(A)
return 1
cpdef int testfunc2(np.ndarray[np.float_t, ndim=2] A) except -1:
cdef long p = np.shape(A)[0], status
cdef B = np.zeros(shape=(p, p), dtype=float)
cdef double[:,:] BView = B
print("before inverse. B: ", B)
status = testfunc1(A, BView)
print("after inverse. B: ", B)
if status == -1:
return -1
else:
return 1
输出：
A = np.random.ranf(4).reshape(2, 2)
status = testfunc2(A)
if status == -1:
raise ValueError("nan cell.")
else:
print("pass")
('before inverse. B: ', array([[ 0., 0.],
[ 0., 0.]]))
('inverse of A:', array([[ 4.4407987 , -0.10307341],
[-2.26088593, 1.19604499]]))
('after inverse. B: ', array([[ 0., 0.],
[ 0., 0.]]))
Answer 1:
您可以创建将接收值的临时缓冲区la.inv()然后填充内存视图：
import numpy as np
cimport numpy as np
import numpy.linalg as la
cpdef int testfunc1(np.ndarray[np.float_t, ndim=2] A,
double [:,:] B) except -1:
cdef np.ndarray[np.float_t, ndim=2] buff
cdef int i, j
print("inverse of A:", la.inv(A))
if np.isnan(A).any():
return -1
else:
buff = la.inv(A)
for i in range(buff.shape[0]):
for j in range(buff.shape[1]):
B[i, j] = buff[i, j]
return 1
cpdef int testfunc2(np.ndarray[np.float_t, ndim=2] A) except -1:
cdef long p = np.shape(A)[0], status
cdef B = np.zeros(shape=(p, p), dtype=float)
cdef double[:,:] BView = B
print("before inverse. B: ", B)
status = testfunc1(A, BView)
print("after inverse. B: ", B)
if status == -1:
return -1
else:
return 1
正如@MrE指出的那样，你可以使用np.copyto()如果使用np.ndarray代替MemoryView：
cpdef int testfunc1(np.ndarray[np.float_t, ndim=2] A,
np.ndarray[np.float_t, ndim=2] B) except -1:
cdef int i, j
print("inverse of A:", la.inv(A))
if np.isnan(A).any():
return -1
else:
np.copyto(B, la.inv(A))
return 1
cpdef int testfunc2(np.ndarray[np.float_t, ndim=2] A) except -1:
cdef long p = np.shape(A)[0], status
cdef np.ndarray[np.float_t, ndim=2] B, BView
B = np.zeros(shape=(p, p), dtype=float)
BView = B
print("before inverse. B: ", B)
status = testfunc1(A, BView)
print("after inverse. B: ", B)
if status == -1:
return -1
else:
return 1
Answer 2:
这不是由观点或用Cython造成的。 B = la.inv(A)创建新的数组，并给出它的名字B在的范围testfunc1 。 这并不影响名为数组B在testfunc2 。
要知道，你的代码，其中繁重由NumPy的功能完成的，是不可能从用Cython受益。
使这项工作的方法之一是要做到：
np.copyto(B, la.inv(A))
在testfunc1 。 @SaulloCastro提到，这个简化版，工作用Cython为B具有记忆视图类型，但是你可以让它通过声明参数工作B作为ndarray（不知道这一点）。 否则，没有用Cython：
>>> import numpy as np
>>> X = np.zeros((5, 5))
>>> B = X[:3, :3]
>>> A = np.ones((3, 3))
>>> np.copyto(B, A)
>>> X
array([[ 1., 1., 1., 0., 0.],
[ 1., 1., 1., 0., 0.],
[ 1., 1., 1., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.]])
>>>
Answer 3:
如果创建一个mememoryview la.inv(A)我可以执行1个步骤，并推测高效，memoryview到memoryview副本：
cpdef int testfunc1c(np.ndarray[np.float_t, ndim=2] A,
double [:,:] BView) except -1:
cdef double[:,:] CView
print("inverse of A:", la.inv(A))
if np.isnan(A).any():
return -1
else:
CView = la.inv(A)
BView[...] = CView
return 1
生产：
In [4]: so23827902.testfunc2(A)
('before inverse. B: ', array([[ 0., 0.],
[ 0., 0.]]))
('inverse of A:', array([[ 1.04082818, -0.14530117],
[-0.24050511, 1.13292585]]))
('after inverse. B: ', array([[ 1.04082818, -0.14530117],
[-0.24050511, 1.13292585]]))
Out[4]: 1
我猜的对memoryview副本会更快，但样本阵列是有意义的时间测试太小。
我测试此作为响应的一部分https://stackoverflow.com/a/30418448/901925
在Python可以重新分配该data的阵列的缓冲液（尽管会存在一些风险）：
B = np.zeros_like(A)
C = la.inv(A)
B.data = C.data
cython期间使用此语句编译阶段引发了不安全的指针错误。
通过例子我找到了灵感https://stackoverflow.com/a/28855962/901925使用np.PyArray_SimpleNewFromData ，我尝试使用其他PyArray...功能做同样的base重新分配：
np.PyArray_SetBaseObject(B, np.PyArray_BASE(la.inv(A)))
目前，我试图解决一个AttributeError: 'module' object has no attribute 'PyArray_SetBaseObject'的错误。
文章来源: Assigning numpy data in cython to a view
