python - 通过 C API 创建新的 numpy 标量并实现自定义 View

Question

精简版

给定一个内置的四元数数据类型，我如何将四元数的 numpy 数组视为具有大小为 4 的额外维度(不复制内存)的 numpy float 数组？

长版

Numpy 内置了对 float 和复杂 float 的支持。我需要使用 quaternions -- 它概括了复数，但不是有两个分量，而是有四个。已经有 a very nice package它使用 C API 将四元数直接合并到 numpy 中，这似乎可以非常快速地完成所有操作。 I need to add to it 还有一些四元数函数，但我认为我基本上可以处理这些问题。

但是，我还希望能够在我需要使用很棒的 numba 编写的其他函数中使用这些四元数。包裹。不幸的是，numba 目前无法处理自定义类型。但是我不需要那些 numba-ed 函数中的花哨的四元数函数；我只需要数字本身。所以我希望能够将四元数数组重新转换为具有一个额外维度(大小为 4)的 float 数组。特别是，我想只使用数组中已有的数据而不进行复制，并将其视为一个新数组。我找到了 PyArray_View功能，但我不知道如何实现它。

(我非常有信心数据在内存中是连续保存的，我认为这是对它们进行简单查看所必需的。具体来说，elsize = 8*4 and alignment = 8 in the quaternion package。)

Answer 1

原来这很简单。 numpy 的魔力意味着它已经成为可能。在考虑这个问题时，我只是尝试了以下复数:

import numpy as np
a = np.array([1+2j, 3+4j, 5+6j])
a.view(np.float).reshape(a.shape[0],2)

这正是我所寻找的。不知何故，相同的基本思想适用于四元数类型。我猜内部结构只是依赖于 elsize，除以 sizeof(float) 并使用它来设置最后一个维度的新大小？？？

然后回答我自己的问题，同样的想法可以应用于四元数模块:

import numpy as np, quaternions
a = np.array([np.quaternion(1,2,3,4), np.quaternion(5,6,7,8), np.quaternion(9,0,1,2)])
a.view(np.float).reshape(a.shape[0],4)

在我的笔记本电脑上， View 转换和 reshape 相结合似乎需要大约 1 微秒，与输入数组的大小无关(大概是因为没有内存复制，除了一些基本 python 对象中的一些成员)。

以上内容适用于简单的一维四元数数组。要将其应用于一般形状，我只需在四元数命名空间内编写一个函数:

def as_float_array(a):
    "View the quaternion array as an array of floats with one extra dimension of size 4"
    return a.view(np.float).reshape(a.shape+(4,))

不同的形状似乎不会显着降低函数速度。

此外，从 float 组转换回四元数数组也很容易:

def as_quat_array(a):
    "View a float array as an array of floats with one extra dimension of size 4"
    if(a.shape[-1]==4) :
        return a.view(np.quaternion).reshape(a.shape[:-1])
    return a.view(np.quaternion).reshape(a.shape[:-1]+(a.shape[-1]//4,))