PEP使用ctypes的数组时作为numpy的阵列

我得到以下警告消息时，我尝试使用一个ctypes数组作为numpy的阵列3118警告：PEP使用ctypes的数组时作为numpy的阵列

Python 2.7.1 (r271:86832, Nov 27 2010, 18:30:46) [MSC v.1500 32 bit (Intel)] on 
win32 
Type "help", "copyright", "credits" or "license" for more information. 
>>> import ctypes, numpy 
>>> TenByteBuffer = ctypes.c_ubyte * 10 
>>> a = TenByteBuffer() 
>>> b = numpy.ctypeslib.as_array(a) 
C:\Python27\lib\site-packages\numpy\ctypeslib.py:402: RuntimeWarning: Item size 
computed from the PEP 3118 buffer format string does not match the actual item s 
ize. 
    return array(obj, copy=False) 
>>> b 
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=uint8)

的代码似乎工作，但。忽略此警告是不是一个好主意？

背景：我正在调用一个实时生成数据的C DLL。我需要通过DLL一系列缓冲区来保存数据。在等待下一个缓冲区填充时，我想用numpy处理最新的缓冲区并保存结果。我用上面的代码生成缓冲区，并且事情似乎正在工作，但我不想在地毯下扫除一个重要问题。

来源

2011-02-10 Andrew

有趣的是，这似乎并没有发生与python2.6，只有python2.7 ... – 2011-02-11 00:21:47

这是Python中的一个错误。 ctypes的目前生产无效PEP 3118类型的代码，其中numpy的通知： http://bugs.python.org/issue10746 http://bugs.python.org/issue10744

当这种不一致的存在，numpy的跳过使用PEP 3118缓冲器接口，并回退到旧的（废弃的）缓冲器的接口。这应该正常工作。

您可以使用Python的warnings模块来消除警告。但是，警告可能会对性能产生影响。

您也可以尝试通过将ctypes对象包装在buffer()中来解决该问题。

来源

2011-02-11 11:53:15

非常好，谢谢。很高兴知道这是一个已知的错误，而不是我在做一些愚蠢的事情。 – Andrew 2011-02-11 17:46:56

任何人都可以通过用[`buffer（）`]（http://docs.python.org/2/library/functions.html#buffer）包装ctypes对象来评论性能的任何变化吗？这种方法可靠地工作吗？它与从ctype数组EG创建一个新的numpy数组有什么不同：`np.array（my_ctype_array [：]）。reshape（[back，to，original]）`其他的感谢篡改形状？我认为`ctypeslib.as_array（）`是推荐的做法，但警告信息真的很烦人，它会关闭非技术用户。谢谢。 – 2013-08-20 22:14:36

有这样做的更方便的方式，这就完全避免了警告：

而是首先创建的数据作为一个ctypes数组，然后将其转换为NumPy的阵列的，只是将其创建为NumPy的阵列马上，然后在您的ctypes原型中使用numpy.ctypeslib.ndpointer作为类型说明符。举个例子，假设你有一个名为f一个C函数，它接受一个char*和size_t作为参数：

void f(char* buf, size_t len);

你ctypes的原型是

from numpy.ctypeslib import ndpointer 
some_dll = ctypes.CDLL(...) 
some_dll.f.argtypes = [ndpointer(numpy.uint8, flags="C_CONTIGUOUS"), 
         ctypes.c_size_t] 
some_dll.f.restype = None

，你可以调用这个函数作为

a = numpy.zeros(10, numpy.uint8) 
f(a, a.size)

来源

2011-02-11 12:02:55

PEP使用ctypes的数组时作为numpy的阵列

回答

相关问题