最佳答案
为类型化内存视图分配内存的推荐方法是什么？
关于类型化内存视图的 Cython 文档列出了三种赋值类型化内存视图的方法:
- 从一个原始的 C 指针,
- 从
np.ndarray和 - 来自
cython.view.array。
假设我没有从外部传入到 cython 函数中的数据，而是想分配内存并将其作为 np.ndarray返回，那么我应该选择哪个选项？还要假设该缓冲区的大小不是编译时常量，也就是说，我不能在堆栈上分配，但是在选项1中需要 malloc。
因此，这3个选项大致如下:
from libc.stdlib cimport malloc, free
cimport numpy as np
from cython cimport view
np.import_array()
def memview_malloc(int N):
cdef int * m = <int *>malloc(N * sizeof(int))
cdef int[::1] b = <int[:N]>m
free(<void *>m)
def memview_ndarray(int N):
cdef int[::1] b = np.empty(N, dtype=np.int32)
def memview_cyarray(int N):
cdef int[::1] b = view.array(shape=(N,), itemsize=sizeof(int), format="i")
令我惊讶的是，在这三种情况下，Cython 生成了相当多的代码用于内存分配，尤其是对 __Pyx_PyObject_to_MemoryviewSlice_dc_int的调用。这表明(这里我可能错了，我对 Cython 内部工作原理的了解非常有限)它首先创建一个 Python 对象，然后将其“强制转换”到内存视图中，这似乎是不必要的开销。
简单的基准并没有显示出这三种方法之间有多大的差别，其中2种方法是最快的，但差距很小。
这三种方法中哪一种是推荐的? 还是有一种不同的、更好的选择？
后续问题: 在函数中处理了内存视图之后，我想最终以 np.ndarray的形式返回结果。类型化内存视图是最好的选择，还是我宁愿首先使用以下旧的缓冲区接口来创建 ndarray？
cdef np.ndarray[DTYPE_t, ndim=1] b = np.empty(N, dtype=np.int32)
