如何使用Cython MemoryView存储numpy布尔数组？

嘿，这个坑我踩过！numpy的布尔数组在Cython里确实有点“特殊”，因为它的底层存储并不是C语言里的bool/_Bool类型，而是单字节的uint8——这也是直接用普通布尔类型memoryview会报错的核心原因。

先给你拆解常见的错误场景：如果你像下面这样直接声明memoryview，大概率会碰到类型不匹配的错误：

# 错误示例：直接用Cython的bint声明
cdef bint[:] mv = np.array([True, False], dtype=bool)

常见错误信息：Cannot convert numpy.ndarray to bint[:] 或者 TypeError: Cannot cast array data from dtype('bool') to dtype('bool_') according to the rule 'safe'

而你说的能正常运行的替代写法，应该是要么用了numpy的dtype来声明，要么用了底层的字节类型。下面给你两种最稳妥的正确写法：

方法1：直接用numpy的bool dtype声明MemoryView #

这是最直观且推荐的方式，直接让Cython匹配numpy的布尔类型：

import numpy as np
cimport numpy as np

def process_bool_array(np.ndarray[np.bool_, ndim=1] arr):
    # 用np.bool_来声明memoryview
    cdef np.bool_[:] mv = arr
    
    # 直接按布尔值访问即可
    for i in range(mv.shape[0]):
        if mv[i]:
            print(f"Index {i} is True")
        else:
            print(f"Index {i} is False")

这种写法不需要额外转换，Cython会自动处理numpy布尔数组的底层存储，和原生numpy操作的体验一致。

方法2：利用底层uint8存储特性声明 #

因为numpy布尔数组每个元素本质是1字节的无符号整数（1=True，0=False），你也可以用unsigned char[:]来声明memoryview，手动处理布尔逻辑：

import numpy as np
cimport numpy as np

def process_bool_array_alt(np.ndarray[np.bool_, ndim=1] arr):
    cdef unsigned char[:] mv = arr
    
    for i in range(mv.shape[0]):
        if mv[i] == 1:
            print(f"Index {i} is True")
        else:
            print(f"Index {i} is False")

这种写法适合需要直接操作底层字节的场景，性能和第一种几乎没有差别。

关键注意点 #

别用Cython原生的bool[:]或bint[:]来匹配numpy布尔数组！Cython的bint对应C语言的_Bool类型，虽然多数平台也是1字节，但和numpy的bool_（uint8）的类型映射并不兼容，这就是你之前报错的根本原因。

内容的提问来源于stack exchange，提问作者squirl