如何通过 ctypes 将 NumPy 数组缓冲区地址正确传递给 C 函数？

你遇到的读数异常大概率不是地址错误，首要问题是浮点数类型不匹配，其次手动取地址、不声明函数参数类型的写法存在兼容隐患：

• NumPy 中dtype='float'默认对应64位双精度浮点数（np.float64，和C语言的double类型对应），但C函数按32位单精度float解析内存。两种精度的内存布局完全不同，哪怕地址完全正确，读出的数值也会完全不符合预期，很容易被误判为地址传错。
• 用ctypes调用C函数时，如果不显式声明参数类型，解释器会自动做隐式类型转换，部分平台或编译环境下可能出现指针长度不匹配等异常；手动读取__array_interface__取地址属于偏底层的写法，在数组非连续、为视图的场景下很容易出错，不是常规业务的推荐方案。
• 示例代码中缺少import ctypes导入语句，直接运行会报名称错误，需要补充。

推荐使用NumPy自带的ctypes专用接口传递缓冲区地址，全程不需要手动计算地址，配合显式的函数签名声明，稳定性更高。
Python端完整可运行代码：

import ctypes
import numpy as np

# 加载自定义动态库
fun = ctypes.CDLL("./mylib.so")

# 显式声明函数的参数类型、返回值类型，禁用隐式转换
fun.print_float_buff.argtypes = [ctypes.c_void_p]
fun.print_float_buff.restype = None

# 指定dtype为np.float32，和C端的float类型一一对应
float_arr = np.array([10., 12.6, 13.5], dtype=np.float32)

# 自动获取缓冲区指针并传入
fun.print_float_buff(float_arr.ctypes.data_as(ctypes.c_void_p))

ndarray.ctypes是NumPy专门提供的跨语言交互接口，data_as()方法会自动处理地址转换，返回指定C类型的指针，不需要手动解析数组内部属性。
如果要更贴合C函数的float*形参定义，也可以直接转换为float指针，运行效果完全一致：

fun.print_float_buff(float_arr.ctypes.data_as(ctypes.POINTER(ctypes.c_float)))

你原本手动读取__array_interface__首地址的写法，在数组连续、类型匹配、函数签名声明正确的前提下也能正常运行，但容错率很低，不建议日常开发使用。

• 如果数组经过切片、转置、维度变换操作，可能不是C格式的连续内存，直接传地址会读到错位数据，可以先用np.ascontiguousarray()转为连续数组再传：

  float_arr = np.ascontiguousarray(float_arr, dtype=np.float32)
  

• 调用C函数的全程，要保证NumPy数组不被Python垃圾回收，也不要触发会重新分配内存的操作（比如resize、原地追加元素等），只要持有数组对应的Python变量就不会有问题。

内容的提问来源于stack exchange，提问作者Cool Goose