Cython中memoryviewslice转ndarray报错及布尔mask类型定义问题

1. 类型转换错误的原因与修复 #

你遇到的TypeError: Cannot convert _cython_magic_xxx._memoryviewslice to numpy.ndarray，根源是参数类型标注与后续代码的类型不匹配：

• 当给potential标注np.float64_t[:, :]时，Cython会自动将传入的numpy数组包装为内存视图（memoryview），而非原生numpy数组。
• 代码中cdef np.ndarray[np.float64_t, ndim=2] input_matrix = potential.copy()这一行，potential.copy()返回的是内存视图的切片对象，无法直接赋值给np.ndarray类型变量，因此触发转换错误。

修复方案二选一： #

方案A：将input_matrix改为内存视图类型

直接把input_matrix的类型定义为内存视图，适配参数类型：

cdef np.float64_t[:, :] input_matrix = potential.copy()

后续对input_matrix的下标访问操作无需修改，内存视图支持该操作。

方案B：先将内存视图转回numpy数组

如果需要保留input_matrix的numpy数组类型，先把potential转成ndarray再复制：

cdef np.ndarray[np.float64_t, ndim=2] pot_arr = np.asarray(potential)
cdef np.ndarray[np.float64_t, ndim=2] input_matrix = pot_arr.copy()

2. 为mask参数定义布尔数组类型 #

在Cython中，numpy布尔数组对应的类型是np.npy_bool，直接给mask标注二维内存视图类型即可：

def SOR_potential(np.float64_t[:, :] potential, np.npy_bool[:, :] mask, int max_iter, float error_threshold, float alpha):

同时注意测试代码要传入numpy布尔数组，不能用原生列表：

test = np.array([[True, False], [True, False]], dtype=np.bool_)
pot = np.array([[1.0, 2.0], [3.0, 4.0]], dtype=np.float64)
SOR_potential(pot, test, 50, 0.1, 0.0)

修改后的完整Cython代码示例 #

%%cython
cimport cython
import numpy as np
cimport numpy as np
from libc.math cimport pi, fabs

#SOR function
@cython.boundscheck(False)
@cython.wraparound(False)
@cython.initializedcheck(False)
@cython.nonecheck(False)
def SOR_potential(np.float64_t[:, :] potential, np.npy_bool[:, :] mask, int max_iter, float error_threshold, float alpha):
    cdef int height = potential.shape[0]
    cdef int width = potential.shape[1]
    cdef int it = 0
    cdef float error = 0.0
    cdef float sor_adjustment
    # 使用内存视图类型的input_matrix
    cdef np.float64_t[:, :] input_matrix = potential.copy()
    
    if alpha == 0.0:
        alpha = 2/(1+(pi/((height+width)*0.5)))
    cdef int row, col
    while True:
        for row in range(1, height-1):
            for col in range(1, width-1):
                if not(mask[row][col]):
                    potential[row][col] = 0.25*(input_matrix[row-1][col] + input_matrix[row+1][col] + input_matrix[row][col-1] + input_matrix[row][col+1])
                    sor_adjustment = alpha * (potential[row][col] - input_matrix[row][col])
                    input_matrix[row][col] = sor_adjustment + input_matrix[row][col]
                    # 用libc的fabs替代np.abs，提升性能
                    error += fabs(input_matrix[row][col] - potential[row][col])
        if error < error_threshold or it > max_iter:
            break
        error = 0
        it +=1
    # 返回时将内存视图转成numpy数组
    return np.asarray(input_matrix), error, it

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