如何在Pythran/Numpy中实现view-cast/reinterpret-cast？

Pythran本身不支持numpy的.view属性，但可以通过直接操作数组的内存缓冲区实现等价的共享内存类型转换，以下是两种可行方案：

方法一：使用numpy.frombuffer #

利用数组的data属性获取内存缓冲区，通过numpy.frombuffer创建新类型数组，两者共享内存：

#pythran export frame_offset(np.ndarray[uint64, 1], int)
import numpy as np

def frame_offset(arr, offset):
    # 将uint64数组重新解释为uint32数组（共享内存）
    uint32_arr = np.frombuffer(arr.data, dtype=np.uint32)
    # 执行切片偏移
    sliced_uint32 = uint32_arr[offset:]
    # 确保切片长度能被uint64字节数整除，再转回uint64
    valid_length = (sliced_uint32.size // 2) * 2
    offset_arr = np.frombuffer(sliced_uint32[:valid_length].data, dtype=np.uint64)
    return offset_arr

方法二：直接构造numpy.ndarray #

通过数组的__array_interface__获取内存指针、形状等信息，手动构造新类型数组，完全复刻view的共享内存行为：

#pythran export reinterpret_cast(np.ndarray[uint64, 1], dtype)
#pythran export frame_offset_v2(np.ndarray[uint64, 1], int)
import numpy as np

def reinterpret_cast(arr, target_dtype):
    total_bytes = arr.size * arr.dtype.itemsize
    new_size = total_bytes // target_dtype.itemsize
    # 基于原数组内存缓冲区创建新数组
    return np.ndarray(
        shape=(new_size,),
        dtype=target_dtype,
        buffer=arr,
        offset=0,
        strides=(target_dtype.itemsize,)
    )

def frame_offset_v2(arr, offset):
    uint32_arr = reinterpret_cast(arr, np.uint32)
    sliced_uint32 = uint32_arr[offset:]
    # 调整长度以匹配uint64的字节要求
    valid_length = (sliced_uint32.size // 2) * 2
    return reinterpret_cast(sliced_uint32[:valid_length], np.uint64)

注意事项 #

• 确保原数组是连续内存（即arr.flags.contiguous为True），若数组非连续（如经过切片、转置），需先调用arr = arr.copy()或arr = arr.ravel()转为连续数组，否则会因步长不匹配导致数据错误。
• Pythran依赖静态类型推导，导出函数时必须明确标注数组的类型和维度（如np.ndarray[uint64, 1]表示一维uint64数组）。

内容的提问来源于stack exchange，提问作者Albert.Lang