如何正确将Numpy结构化数组指针从Python传递到C？两种方式对比

一、纯ctypes方式的正确性 #

你采用的纯ctypes实现是完全正确的：

• Python端定义的intype结构体与C端的typedef struct intype内存布局完全匹配：int类型的nobs字段，加上double*类型的vals指针字段。
• 通过(ct.c_double * nobs)(*[1.1, 2.2, 3.3])创建的是C标准的连续内存数组，vals指针指向该数组的合法起始地址。
• 用ct.byref(indata)传递结构体指针后，C端可以正确解析每个字段，访问vals[0]时指向的是有效内存区域，不会触发段错误。

二、两种实现方式的优缺点 #

1. Numpy结构化数组方式

核心问题与缺点：

• 内存布局完全不匹配：numpy结构化数组中，('vals', np.double, (nobs,))是将数组直接内嵌在结构体内存中，内存布局为int nobs + nobs个连续double值；但C端结构体的vals是指针类型，内存布局为int nobs + 8字节指针地址（64位系统）。C端读取vals时，会把numpy结构体中nobs后的第一个double值（1.1的二进制）当成指针地址，这个地址是无效的，因此触发段错误。
• 天然不支持指针类型：numpy的设计目标是管理连续内存的数值数组，无法存储原始指针（指针在numpy内存模型中无意义），因此这种方式从根本上无法适配C端带指针的结构体。

仅有的适用场景：

如果C端结构体定义为内嵌固定长度数组（比如typedef struct { int nobs; double vals[3]; } intype;），此时numpy结构化数组的内存布局可以与C端对齐，这种方式才可行。

2. 纯ctypes方式

优点：

• 内存对齐精准：Python端结构体与C端结构体严格对应，彻底避免内存解析错误。
• 适配复杂C结构：可以直接处理C语言中的指针、嵌套结构体、函数指针等复杂类型，适配绝大多数C API的参数要求。
• 内存管理灵活：既可以通过ctypes创建C风格数组，也可以直接复用Python对象的底层内存（需注意对象生命周期），内存控制更自主。

缺点：

• 代码冗余度略高：需要手动定义结构体、手动创建C风格数组，相比numpy的数组初始化方式，步骤稍繁琐。
• 与numpy数据交互需额外转换：如果原始数据是numpy数组，需要手动转换为ctypes数组或传递其底层指针，无法直接复用numpy结构化数组的现有结构。

内容的提问来源于stack exchange，提问作者danas.zuokas