在cython中，有那么多int种数据类型让我有些纠结.
np.int, np.int_, np.int_t, int个
我猜纯python中的int相当于np.int_，那么np.int来自哪里呢？我找不到numpy的文件？还有，既然我们已经有int个，为什么还有np.int_个呢？
在cython中，我猜int在用作cdef int或ndarray[int]时变成了C类型，而当用作int()时，它仍然是python施法器吗？
np.int_等于C中的long吗？那么cdef long和cdef np.int_是一样的吗？
在什么情况下我应该用np.int_t代替np.int呢？例如cdef np.int_t,ndarray[np.int_t].
有人能简单解释一下这些类型的错误使用会如何影响编译后的cython代码的性能吗？
这有点复杂，因为名字根据上下文有不同的含义.
int在Python中
int通常只是一个Python类型，它的精度是任意的，这意味着您可以在其中存储任何可以想到的整数(只要您有足够的内存).
>>> int(10**50)
100000000000000000000000000000000000000000000000000
但是，当您将其用作NumPy数组的dtype时，它将被解释为np.int_1.它是任意精度的not，它将与C的long具有相同的大小:
>>> np.array(10**50, dtype=int)
OverflowError: Python int too large to convert to C long
这也意味着以下两项是等效的:
np.array([1,2,3], dtype=int)
np.array([1,2,3], dtype=np.int_)
As Cython type identifier it has another meaning, here it stands for the c type int. It's of limited precision (typically 32bits). You can use it as Cython type, for example when defining variables with cdef:
cdef int value = 100 # variable
cdef int[:] arr = ... # memoryview
作为cdef或cpdef函数的返回值或参数值:
cdef int my_function(int argument1, int argument2):
# ...
作为ndarray的"通用":
cimport numpy as cnp
cdef cnp.ndarray[int, ndim=1] val = ...
对于类型转换:
avalue = <int>(another_value)
可能还有更多.
在Cython中，但作为Python类型.您仍然可以调用int，得到一个"Python int"(任意精度)，或者将其用于isinstance，或者将其用作np.array的dtype参数.这里的上下文很重要，因此转换为Python int不同于转换为C int:
cdef object val = int(10) # Python int
cdef int val = <int>(10) # C int
np.int其实这很简单.这只是int的别名:
>>> int is np.int
True
因此，从上面开始的一切也适用于np.int.但是，除非在cimported包上使用它，否则不能将其用作类型标识符.在这种情况下，它表示Python整数类型.
cimport numpy as cnp
cpdef func(cnp.int obj):
return obj
这将期望obj是Python整数not a NumPy type:
>>> func(np.int_(10))
TypeError: Argument 'obj' has incorrect type (expected int, got numpy.int32)
>>> func(10)
10
My advise regarding np.int: Avoid it whenever possible. 在Python中 code it's equivalent to int and in Cython code it's also equivalent to Pythons int but if used as type-identifier it will probably confuse you and everyone who reads the code! It certainly confused me...
np.int_实际上，它只有一个含义:它是表示标量NumPy类型的Python type.您可以像Pythons int一样使用它:
>>> np.int_(10) # looks like a normal Python integer
10
>>> type(np.int_(10)) # but isn't (output may vary depending on your system!)
numpy.int32
或者使用它指定dtype，例如np.array:
>>> np.array([1,2,3], dtype=np.int_)
array([1, 2, 3])
但是您不能在Cython中将其用作类型标识符.
cnp.int_t它是np.int_的类型标识符版本.这意味着您不能将其用作dtype参数.但是您可以将其用作cdef声明的类型:
cimport numpy as cnp
import numpy as np
cdef cnp.int_t[:] arr = np.array([1,2,3], dtype=np.int_)
|---TYPE---| |---DTYPE---|
这个示例(希望)表明，尾随_t的类型标识符实际上表示使用dtype而不带尾随t的数组的类型.您不能用Cython代码交换它们！
在NumPy中还有更多的数字类型，我将包括一个列表，其中包含NumPy dtype和Cython类型标识符，以及这里也可以在Cython中使用的C类型标识符.但它基本上是从the NumPy documentation和Cython NumPy pxd file取来的:
NumPy dtype Numpy Cython type C Cython type identifier
np.bool_ None None
np.int_ cnp.int_t long
np.intc None int
np.intp cnp.intp_t ssize_t
np.int8 cnp.int8_t signed char
np.int16 cnp.int16_t signed short
np.int32 cnp.int32_t signed int
np.int64 cnp.int64_t signed long long
np.uint8 cnp.uint8_t unsigned char
np.uint16 cnp.uint16_t unsigned short
np.uint32 cnp.uint32_t unsigned int
np.uint64 cnp.uint64_t unsigned long
np.float_ cnp.float64_t double
np.float32 cnp.float32_t float
np.float64 cnp.float64_t double
np.complex_ cnp.complex128_t double complex
np.complex64 cnp.complex64_t float complex
np.complex128 cnp.complex128_t double complex
实际上，有用于np.bool_:cnp.npy_bool和bint的Cython类型，但是它们目前都不能用于NumPyarray.对于标量，cnp.npy_bool将只是一个无符号整数，而bint将是一个布尔值.不知道那里发生了什么.
1取自NumPy documentation "Data type objects"
内置Python类型
有几种python类型在用于生成dtype对象时相当于相应的数组标量:
int np.int_ bool np.bool_ float np.float_ complex np.cfloat bytes np.bytes_ str np.bytes_ (Python2) or np.unicode_ (Python3) unicode np.unicode_ buffer np.void (all others) np.object_