Cython+Numpy中数组分配至同一内存地址的异常问题

嘿，这个问题我之前踩过坑，根源其实很直白——你没给创建的Numpy数组留个“引用锚点”，导致它被Python垃圾回收（GC）机制提前回收了，指针自然就指向了无效内存，才会出现各种奇怪的内存行为。

先看你写的代码片段：

cdef np.float32_t *a1 = <np.float32_t *>np.PyArray_DATA(np.empty(2, dtype="float32"))
print "{0:x}".format(<unsigned int>a1)

这里np.empty()创建的是一个临时Numpy数组对象，你没有把它赋值给任何Python变量（比如arr = np.empty(...)），所以这个数组没有被任何引用持有。当np.PyArray_DATA()返回内存指针后，这个临时数组就成了无主的“垃圾”，Python的GC随时会把它占用的内存回收掉。这时候你的a1指针就指向了已经被释放的内存区域，后续操作必然会出现不可预测的内存错误。

正确的解决方法有两种，按需选择： #

1. 保留Numpy数组的Python引用（推荐）

最稳妥的方式是先把数组赋值给一个cdef的Numpy数组变量，让它持有引用，这样GC就不会随便回收内存：

# 先把数组存到变量里，保留引用锚点
cdef np.ndarray arr = np.empty(2, dtype="float32")
# 再从arr里取指针
cdef np.float32_t *a1 = <np.float32_t *>np.PyArray_DATA(arr)
print "{0:x}".format(<unsigned int>a1)

# 后续在nogil函数里使用a1时，只要arr还在作用域内，内存就安全
with nogil:
    # 这里放心操作a1指向的内存
    a1[0] = 1.0
    a1[1] = 2.0

这种方式完全利用Numpy的内存管理机制，不需要手动处理内存释放，安全又省心。

2. 手动管理C内存（不推荐，除非必要）

如果你确实不需要保留Numpy数组对象，想完全手动控制内存，可以直接用C的内存分配函数，但一定要记得手动释放，避免内存泄漏：

from libc.stdlib cimport malloc, free

cdef np.float32_t *a1 = <np.float32_t *>malloc(2 * sizeof(np.float32_t))
if a1 is NULL:
    raise MemoryError("Failed to allocate memory for C array")

# 使用指针操作内存
with nogil:
    a1[0] = 3.0
    a1[1] = 4.0

# 用完必须手动释放内存！
free(a1)

这种方式脱离了Python的内存管理，很容易因为忘记释放导致泄漏，所以非必要不建议用。

额外注意事项 #

• 在nogil代码块中操作指针时，一定要确保对应的Numpy数组（第一种方法里的arr）在整个nogil块执行期间都处于作用域内，不能被提前销毁。
• 如果你需要把指针传递给其他函数，也要确保原数组的引用一直存在，直到指针不再被使用。

内容的提问来源于stack exchange，提问作者Anis