我有一个C库，目前有一些方法里面返回一个std::向量定义如下
public:
const std::vector<uint32_t>& getValues() const;
我目前正在使用SWIG包装整个库Python，到目前为止效果很好。
SWIG很好地包装了这个getValue（）函数，使其返回一个Python元组。问题出在我的Python端代码中，我想将其转换为NumPy数组。当然，我可以通过以下方式做到这一点：
my_array = np.array(my_object.getValues(), dtype='uint32')
但是这会导致原始向量中的所有条目首先被SWIG复制到一个Python元组中，然后被我再次复制到一个numpy数组中。由于这个向量可能非常大，我宁愿避免制作这两个副本，并希望有一种方法让SWIG在内存中的原始向量数据周围创建一个numpy.数组包装器。
我已经阅读了numpy. i的留档，但它明确提到不支持输出数组，因为它们似乎在C样式数组而不是C向量的假设下工作。
numpy. array的底层数据结构只是一个C样式的数组，就像C std::向量一样，所以我希望在内存中访问相同的数据是可行的。
有没有办法让SWIG返回一个不复制原始数据的numpy. array？
显然将C向量“转换”为（C）数组是微不足道的，请参阅此问题的答案：如何在C中将向量转换为数组
接下来，您可以创建一个numpy数组，它将使用该C数组而无需复制，请参阅此处的讨论，或google forPyArray_SimpleNewFromData。
我不希望SWIG自动为您完成所有这些，相反，您可能应该自己为您的函数getValue编写一个包装器，例如getValuesAsNumPyArray。
似乎PyArray_SimpleNewFromData会要求你自己进行内存管理；如果内存管理已经在C端处理，也就是说，Python不负责内存，你可以使用np. asars得到一个与C向量共享内存的numpy数组，如下所示：
from libcpp.vector cimport vector
import numpy as np
cdef vector[double] vec
vec.push_back(1)
vec.push_back(2)
cdef double *vec_ptr = &vec[0] # get hold of data array underlying vec; also vec.data() if you have C++11
cdef double[::1] vec_view = <double[:vec.size()]>vec_ptr # cast to typed memory view
vec_npr = np.asarray(vec_view) # get numpy array from memory view
print(vec_npr) # array([1.0, 2.0])
Kurt Smith的Cython书第10章中的“包装C和C数组”部分提供了很好的例子。另请参阅官方用户指南中的Coercion to Numpy。
