ctypes 外部函式介面 (`numpy.ctypeslib`)#

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

從 ctypes 陣列或 POINTER 建立 NumPy 陣列。

NumPy 陣列與 ctypes 物件共享記憶體。

如果從 ctypes POINTER 轉換，則必須提供 shape 參數。如果從 ctypes 陣列轉換，則 shape 參數會被忽略

範例

轉換 ctypes 整數陣列

>>> 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)

轉換 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]#

從 NumPy 陣列建立並傳回 ctypes 物件。實際上，任何公開 __array_interface__ 的物件都會被接受。

範例

從推斷的 int np.array 建立 ctypes 物件

>>> 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]

從顯式的 8 位元無號整數 np.array 建立 ctypes 物件

>>> 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]#

將 dtype 轉換為 ctypes 型別。

參數:

dtypedtype: 要轉換的 dtype

傳回:

ctype: ctype 純量、聯合、陣列或結構

引發:

NotImplementedError: 如果無法轉換

說明

此函式在任一方向都無法無損往返。

np.dtype(as_ctypes_type(dt)) 將

插入填充欄位
重新排序欄位以依偏移量排序
捨棄欄位標題

as_ctypes_type(np.dtype(ctype)) 將

捨棄 ctypes.Structures 和 ctypes.Unions 的類別名稱
將單一元素 ctypes.Unions 轉換為單一元素 ctypes.Structures
插入填充欄位

範例

轉換簡單的 dtype

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

轉換結構化的 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]#

可以使用以下方式載入程式庫

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

但存在跨平台考量，例如程式庫檔案副檔名，以及 Windows 只會載入它找到的第一個具有該名稱的程式庫的事實。NumPy 提供 load_library 函式作為便利措施。

在 1.20.0 版本中變更：允許 libname 和 loader_path 接受任何 path-like 物件。

參數:

libnamepath-like: 程式庫名稱，可以 ‘lib’ 作為前綴，但沒有副檔名。
loader_pathpath-like: 程式庫可以找到的位置。

傳回:

ctypes.cdll[libpath]程式庫物件: ctypes 程式庫物件

引發:

OSError: 如果沒有具有預期副檔名的程式庫，或程式庫有缺陷且無法載入。

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

陣列檢查 restype/argtypes。

ndpointer 實例用於描述 restypes 和 argtypes 規格中的 ndarray。此方法比使用例如 POINTER(c_double) 更具彈性，因為可以指定多個限制，這些限制在呼叫 ctypes 函式時會進行驗證。這些限制包括資料型別、維度數量、形狀和旗標。如果給定的陣列不滿足指定的限制，則會引發 TypeError。

參數:

dtype資料型別，選用

陣列資料型別。

ndim整數，選用

陣列維度數量。

shape整數元組，選用

陣列形狀。

flags字串或字串元組

陣列旗標；可以是以下一或多個

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

傳回:

klassndpointer 型別物件: 型別物件，它是包含 dtype、ndim、shape 和旗標資訊的 _ndtpr 實例。

引發:

TypeError: 如果給定的陣列不滿足指定的限制。

範例

>>> 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#

與 numpy.intp 大小相同的 ctypes 帶號整數型別。

根據平台，它可以是 c_int、c_long 或 c_longlong 的別名。

ctypes 外部函式介面 (numpy.ctypeslib)#

ctypes 外部函式介面 (`numpy.ctypeslib`)#