如何通过NumPy C API原始指针创建numpy.void可键对象

现有通过PyObject_GetItem实现的NumPy数组行读取逻辑性能不足，核心原因是走了完整的Python层索引分发流程，存在大量冗余检查和临时对象构造开销。

方案1：直接通过数据指针+dtype构造标量（推荐） #

NumPy C API原生提供了PyArray_Scalar接口，可直接从指定内存地址、dtype构造对应类型的标量对象（结构化dtype对应numpy.void，数值dtype对应对应数值标量），全程无内存拷贝，跳过所有索引逻辑的冗余开销，性能最优。
首先修正指针偏移的写法错误，正确实现代码如下：

#include <pybind11/numpy.h>
namespace py = pybind11;

py::object NumpyIndex::getRow(int64_t row) {
    // 按第一维步长计算目标行的内存地址，兼容非紧凑内存布局的数组
    char* row_ptr = static_cast<char*>(bufInfo_.ptr) + row * bufInfo_.strides[0];
    // 获取提前缓存的dtype指针对应的PyArray_Descr结构
    PyArray_Descr* descr = reinterpret_cast<PyArray_Descr*>(cached_dtype_.ptr());
    // 构造标量：传入数据指针、dtype、原数组对象作为内存宿主
    // 传入原数组作为base会自动持有引用，避免数组被GC回收导致悬空指针
    PyObject* scalar_obj = PyArray_Scalar(row_ptr, descr, cached_array_.ptr());
    return py::reinterpret_steal<py::object>(scalar_obj);
}

实现注意事项：

• 类中需要额外缓存两个成员：cached_dtype_（py::dtype类型，提前从目标数组取到，不要每次调用临时构造）、cached_array_（py::array类型，持有原数组的引用，作为base传入保证内存安全）
• 步长必须取bufInfo_.strides[0]，不要直接用dtype的itemsize计算，兼容切片、非对齐等特殊数组场景
• 该方法返回的对象和常规索引array[row]返回的对象行为完全一致，NumPy内部索引逻辑最终构造标量也走同源实现，只是跳过了前面的参数解析、边界检查、索引分发等冗余步骤，性能通常比原PyObject_GetItem方案高5~20倍。

方案2：复用已有numpy.void对象修改指针（不推荐） #

该方案没有实践价值：

• NumPy标量（包括numpy.void）的内部内存布局不属于稳定公开ABI，不同NumPy版本存储数据指针、base引用的字段偏移量可能变化，直接修改内部指针会带来严重的版本兼容问题，极易触发崩溃
• 就算硬编码偏移修改指针，还需要手动维护base对象的引用计数，要么出现内存泄漏要么出现悬空指针，维护成本极高
• 复用对象带来的性能提升可以忽略：PyArray_Scalar构造一个新标量的开销仅几十纳秒，完全没有必要为了这点开销牺牲稳定性。

内容的提问来源于stack exchange，提问作者Max Gómez