NumPy C-API循环中NPY_DATETIME元单元被覆盖问题及解决

我尝试通过PyArray_DESCR为Date类型设置NPY_FR_D单位，为DateTime和Time类型设置NPY_FR_s单位，将处理后的数组加入boost::python::list返回Python，但循环中metadata->meta.base的值会被覆盖，最终返回的列表里所有类型都变成最后一次设置的单位，要么全是datetime64[s]要么全是datetime64[D]。根据NumPy C-API文档，PyArray_DESCR返回的是数组dtype属性的借用引用。

以下是问题代码：

for (unsigned c = 0; c < numFields; ++c)
{
    int typeNum;
    switch (m_typeVector[c])
    {
        case SRC::E_FieldType::E_FT_Date:
        case SRC::E_FieldType::E_FT_DateTime:
        {
            typeNum = NPY_DATETIME;
            break;
        }
        case SRC::E_FieldType::E_FT_Time:
        {
            typeNum = NPY_TIMEDELTA;
            break;
        }
        default:
            typeNum = NPY_NOTYPE;
            break;
    }
    SRC::Python::NumpyTransfer* colData = new SRC::Python::NumpyTransfer;
    if (typeNum != NPY_NOTYPE)
    {
        PyObject* npArr = PyArray_SimpleNew(1, dims, typeNum);
        PyArray_ENABLEFLAGS((PyArrayObject*)npArr, NPY_ARRAY_OWNDATA);
        auto descr = PyArray_DESCR(reinterpret_cast<PyArrayObject*>(npArr));
        auto metadata = reinterpret_cast<PyArray_DatetimeDTypeMetaData*>(descr->c_metadata);

        if (typeNum == NPY_DATETIME && m_typeVector[c] == SRC::E_FieldType::E_FT_DateTime)
        {
            metadata->meta.base = NPY_FR_s;
        }
        else if (typeNum == NPY_DATETIME && m_typeVector[c] == SRC::E_FieldType::E_FT_Date)
        {
            metadata->meta.base = NPY_FR_D;
        }
        else if (typeNum == NPY_TIMEDELTA && m_typeVector[c] == SRC::E_FieldType::E_FT_Time)
        {
            metadata->meta.base = NPY_FR_s;
        }
        colData->m_numpyArray = boost::python::handle<>(npArr);
        rawData.push_back(PyArray_DATA((PyArrayObject*)npArr));
        colData->m_isNumpy = true;

        // ... 其他逻辑

        colStorage.push_back(colData);
    }
}

问题根源：直接修改PyArray_SimpleNew返回数组的dtype描述符时，所有同基础类型（如NPY_DATETIME）的数组共享同一个全局描述符实例，后续修改会覆盖之前的设置。

正确实现步骤：

1. 用PyArray_DescrNewFromType创建PyArray_Descr结构的独立副本
2. 修改该副本的元数据（单位信息）
3. 通过PyArray_SimpleNewFromDescr使用自定义描述符创建数组，确保每个数组拥有独立的dtype描述符

修改后的关键代码：

for (unsigned c = 0; c < numFields; ++c)
{
    int typeNum;
    switch (m_typeVector[c])
    {
        case SRC::E_FieldType::E_FT_Date:
        case SRC::E_FieldType::E_FT_DateTime:
            typeNum = NPY_DATETIME;
            break;
        case SRC::E_FieldType::E_FT_Time:
            typeNum = NPY_TIMEDELTA;
            break;
        default:
            typeNum = NPY_NOTYPE;
            break;
    }
    SRC::Python::NumpyTransfer* colData = new SRC::Python::NumpyTransfer;
    if (typeNum != NPY_NOTYPE)
    {
        // 创建独立的dtype描述符副本
        PyObject* descr = PyArray_DescrNewFromType(typeNum);
        if (!descr) {
            // 补充错误处理逻辑
            continue;
        }
        
        // 修改描述符的元数据
        auto dtype = reinterpret_cast<PyArray_Descr*>(descr);
        auto metadata = reinterpret_cast<PyArray_DatetimeDTypeMetaData*>(dtype->c_metadata);
        
        if (typeNum == NPY_DATETIME && m_typeVector[c] == SRC::E_FieldType::E_FT_DateTime)
        {
            metadata->meta.base = NPY_FR_s;
        }
        else if (typeNum == NPY_DATETIME && m_typeVector[c] == SRC::E_FieldType::E_FT_Date)
        {
            metadata->meta.base = NPY_FR_D;
        }
        else if (typeNum == NPY_TIMEDELTA && m_typeVector[c] == SRC::E_FieldType::E_FT_Time)
        {
            metadata->meta.base = NPY_FR_s;
        }
        
        // 使用自定义描述符创建数组
        PyObject* npArr = PyArray_SimpleNewFromDescr(1, dims, dtype);
        Py_DECREF(descr); // 释放描述符引用，数组会持有自身的引用
        PyArray_ENABLEFLAGS((PyArrayObject*)npArr, NPY_ARRAY_OWNDATA);
        
        colData->m_numpyArray = boost::python::handle<>(npArr);
        rawData.push_back(PyArray_DATA((PyArrayObject*)npArr));
        colData->m_isNumpy = true;

        // ... 其他逻辑

        colStorage.push_back(colData);
    }
}

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