如何使用Cython基于Shape、Strides和Double*指针表示非连续内存视图？

好问题！NumPy的切片（比如你例子里的arr_slice和arr_tile）本质上是共享原始数组的数据，只改变了形状(shape)和步长(strides)——而Cython的内存视图完全支持这种“零拷贝”的视图操作，只要你能拿到原始数据的指针、目标视图的形状和步长，就能直接创建对应的内存视图。下面我结合你的示例一步步说明：

先明确你的示例对应的参数值 #

先把你NumPy代码里的两个切片对应的参数列出来，方便后续对应：

• 原始数组arr：shape=(10,30)，dtype=float64（每个元素8字节），行步长是30*8字节，列步长是8字节
• arr_slice = arr[::2]：取所有偶数行，所以shape=(5,30)，行步长变成30*8*2（每次跳2行），列步长还是8字节，数据指针和原始数组一致
• arr_tile = arr[:3, :5]：取前3行前5列，shape=(3,5)，行步长还是30*8（因为还是按原始行的间隔取），列步长8字节，数据指针指向原始数组的第一个元素

方法1：借助NumPy数组中转（简单直观） #

如果你在Cython里已经能拿到原始数组的指针、目标shape和strides，可以先创建一个不拷贝数据的NumPy数组，再转成Cython内存视图：

import numpy as np
cimport numpy as np

# 假设我们已经获取到以下参数（对应arr_slice的情况）
cdef double* data_ptr = <double*>arr.data  # arr是原始NumPy数组
cdef Py_ssize_t shape[2] = [5, 30]
cdef Py_ssize_t strides[2] = [30*8*2, 8]  # float64是8字节，行步长翻倍

# 创建不拷贝数据的NumPy数组
cdef np.ndarray slice_np = np.ndarray(
    shape=shape,
    dtype=np.float64,
    buffer=data_ptr,
    strides=strides
)

# 转成Cython内存视图
cdef double[:, :] slice_view = slice_np

# 测试：修改视图的值，原始数组也会改变（验证零拷贝）
slice_view[0, 0] = 99.9
print(arr[0, 0])  # 会输出99.9，说明共享数据

对应arr_tile的话，只需要修改shape和strides：

cdef Py_ssize_t tile_shape[2] = [3, 5]
cdef Py_ssize_t tile_strides[2] = [30*8, 8]  # 行步长和原始数组一致

cdef np.ndarray tile_np = np.ndarray(
    shape=tile_shape,
    dtype=np.float64,
    buffer=data_ptr,
    strides=tile_strides
)

cdef double[:, :] tile_view = tile_np

方法2：纯Cython方式（不依赖NumPy中转） #

如果你不想依赖NumPy的数组构造，可以直接用Cython内置的cython.view.array来创建内存视图，更底层也更高效：

from cython.view cimport array as cython_array
from libc.stddef cimport Py_ssize_t

# 对应arr_slice的情况
cdef double* data_ptr = <double*>arr.data
cdef Py_ssize_t slice_shape[2] = [5, 30]
cdef Py_ssize_t slice_strides[2] = [30*8*2, 8]

# 直接创建内存视图
cdef double[:, :] slice_view = cython_array(
    shape=slice_shape,
    itemsize=sizeof(double),  # float64的字节数
    format="d",  # 格式符，对应double
    strides=slice_strides,
    ptr=data_ptr
)

# 同样验证共享数据
slice_view[1, 1] = 88.8
print(arr[2, 1])  # 输出88.8，因为arr_slice的第1行对应arr的第2行

# 对应arr_tile的情况
cdef Py_ssize_t tile_shape[2] = [3, 5]
cdef Py_ssize_t tile_strides[2] = [30*8, 8]

cdef double[:, :] tile_view = cython_array(
    shape=tile_shape,
    itemsize=sizeof(double),
    format="d",
    strides=tile_strides,
    ptr=data_ptr
)

注意事项 #

• 确保strides的单位是字节：NumPy的arr.strides返回的就是字节数，所以直接用就行；如果是自己计算的话，要记得乘以元素的字节长度（比如float64是8）
• 内存视图的生命周期要和原始数据一致：如果原始数据被释放了，内存视图就会变成野指针，所以要保证原始数组在视图使用期间一直存在
• 如果你需要更灵活的步长（比如非连续的列），只需要修改对应的strides值就行，原理是一样的

内容的提问来源于stack exchange，提问作者user11488411