Ctypes：将返回指针快速转换为数组或Python列表的方法

你遇到的这个问题我太懂了——列表推导式处理几十万数据点确实慢得让人头疼，毕竟它要逐个元素做类型转换，开销不小。好在我们有更高效的方法，直接基于内存块来操作，不用逐个折腾元素。

首先得明确一个前提：你必须能从DLL那里拿到数组的长度（不然没法确定要转换多少元素），一般来说DLL要么会额外返回长度值，要么你可以通过某个参数把长度传出来，这个得和DLL的接口对应上。

下面给你两种高效的方案，按速度排序：

方案1：用numpy直接映射内存（最快，推荐大数据量） #

numpy可以直接从内存地址创建数组，相当于直接把DLL分配的内存映射成numpy数组，几乎没有拷贝开销，32万数据点瞬间就能完成。示例代码如下：

import ctypes
import numpy as np

# 加载你的DLL
dll = ctypes.CDLL("your_dll_file.dll")

# 定义函数的返回类型和参数类型
# 假设你的DLL函数会通过指针参数返回数组长度，返回值是double数组指针
dll.create_double_array.restype = ctypes.POINTER(ctypes.c_double)
array_length = ctypes.c_size_t()
dll.create_double_array.argtypes = [ctypes.POINTER(ctypes.c_size_t)]

# 调用DLL获取数组指针和长度
array_ptr = dll.create_double_array(ctypes.byref(array_length))
length = array_length.value

# 直接从内存地址创建numpy数组（无拷贝，速度最快）
np_array = np.ctypeslib.as_array(array_ptr, shape=(length,))

# 如果你需要独立的数组（避免DLL释放内存后np_array失效），可以拷贝一份：
# np_array = np.ctypeslib.as_array(array_ptr, shape=(length,)).copy()

# 用完记得调用DLL的释放函数！不然会内存泄漏
dll.free_double_array.argtypes = [ctypes.POINTER(ctypes.c_double)]
dll.free_double_array(array_ptr)

方案2：用ctypes数组转换（比列表推导快很多） #

如果不想依赖numpy，也可以用ctypes自带的数组类型，直接从内存地址生成ctypes数组，再转成Python列表，速度也远快于列表推导：

import ctypes

# 前面的DLL加载、函数定义、调用部分和上面一样...

# 从指针地址创建ctypes的double数组
ctypes_array = (ctypes.c_double * length).from_address(ctypes.addressof(array_ptr.contents))
# 转成Python列表
py_list = list(ctypes_array)

# 同样记得释放内存
dll.free_double_array(array_ptr)

为什么这两种方法更快？ #

列表推导式是循环遍历每个元素，每次都要通过ctypes做一次从C double到Python float的类型转换，32万次转换的开销累积起来就很大。而上面的方法都是直接操作整块内存：

• numpy直接映射内存缓冲区，类型转换是批量完成的，底层用C实现，速度拉满；
• ctypes数组也是一次性读取整块内存，转列表时的开销也远小于逐个元素处理。

最后一定要注意内存管理：因为数组是DLL用malloc分配的，Python的垃圾回收管不到这块内存，所以必须调用DLL中对应的free函数（比如上面示例的free_double_array），不然会造成内存泄漏哦！

内容的提问来源于stack exchange，提问作者RTC222