Python ctypes与numpy数组索引结合时出现意外行为的问题排查

我来帮你拆解这个问题——你遇到的本质是Python垃圾回收（GC）导致的内存失效问题，和ctypes、numpy的交互逻辑直接相关，咱们一步步理清楚：

为什么不用mask时一切正常？ #

当你用a[0,:]获取数组切片时，numpy返回的是原数组的视图（没有复制内存，只是指向原数组的某段连续区域）。而原数组a在main函数的作用域里一直存在（直到程序结束），对应的内存不会被释放，所以ctypes拿到的指针始终指向有效内存，C函数能正确读取数据。

用mask后为什么a的内容全变成0了？ #

当你用布尔索引a[0,mask]时，情况就变了：

1. 布尔索引是跳跃式的，无法生成原数组的视图，numpy会返回一个原数组的内存副本；
2. 你的代码里只把这个副本的指针赋值给了结构体字段，但没有保存这个副本数组本身的引用；
3. 当__init__方法执行完毕后，这个临时生成的副本数组没有被任何变量持有，Python的垃圾回收机制就会立刻释放它占用的内存；
4. 此时你的ctypes指针指向的是已经被释放的内存空间，C函数读取时拿到的就是随机的无效值（这里表现为全0，不同环境可能是乱码）；
5. 而b的内容看似部分正常，只是巧合——临时数组的内存还没被其他操作覆盖，本质上也是不安全的野指针行为。

解决办法：持有切片数组的引用，阻止GC回收 #

核心思路是让s_gate结构体实例保存对切片后数组的引用，这样Python GC就不会释放对应的内存。修改你的__init__方法如下：

def __init__(self, mydict:dict):
    mask = [True, False, True, True, True, True, False, False, False, True]
    a = np.ascontiguousarray(mydict['a'], dtype=np.double)
    b = np.ascontiguousarray(mydict['b'], dtype=np.double)
    
    # 关键：保存切片后的数组对象，让结构体持有引用，避免被GC回收
    self._a_slice = a[0, mask]
    self._b_slice = b[0, mask]
    
    # 从持有的数组中获取有效指针
    self.a = self._a_slice.ctypes.data_as(ctypes.POINTER(ctypes.c_double))
    self.b = self._b_slice.ctypes.data_as(ctypes.POINTER(ctypes.c_double))
    self.size = sum(mask)

为什么你之前尝试的方法没用？ #

你试的np.ascontiguousarray、np.require、各种拷贝方法，其实都没触及核心问题：这些方法只是保证数组的内存布局是连续的，但无法阻止临时数组对象被GC回收。只有让数组对象被持续引用，才能保住它的内存不被释放。

备注：内容来源于stack exchange，提问作者prusfr