Документация Cython по типизированным представлениям памяти перечислите три способа назначения типизированной памяти:

из необработанного указателя C,изnp.ndarray а такжеиз .cython.view.array

Предположим, что я неДанные не передаются в мою функцию Cython извне, но вместо этого они хотят выделить память и вернуть ее какnp.ndarrayКакой из этих вариантов я выбрал? Также предположим, что размер этого буфера не является константой времени компиляции, т.е.выделить в стеке, но потребуетсяmalloc для варианта 1.

Таким образом, 3 варианта будут выглядеть примерно так:

from libc.stdlib cimport malloc, free
cimport numpy as np
from cython cimport view

np.import_array()

def memview_malloc(int N):
    cdef int * m = malloc(N * sizeof(int))
    cdef int[::1] b = m
    free(m)

def memview_ndarray(int N):
    cdef int[::1] b = np.empty(N, dtype=np.int32)

def memview_cyarray(int N):
    cdef int[::1] b = view.array(shape=(N,), itemsize=sizeof(int), format="i")

Что меня удивляет, так это то, что во всех трех случаяхCython генерирует довольно много кода для выделения памяти, в частности, вызов__Pyx_PyObject_to_MemoryviewSlice_dc_int, Это говорит о том (и я могу ошибаться, мое понимание внутренней работы Cython очень ограничено), что он сначала создает объект Python, а затем "бросает» это в представлении памяти, которое кажется ненужным накладными расходами.

простой тест Безразлично»Выявить большую разницу между этими тремя методами можно с помощью 2. самый быстрый с небольшим отрывом.

Какой из трех методов рекомендуется? Или есть другой, лучший вариант?

Дополнительный вопрос: Я хочу, наконец, вернуть результат в видеnp.ndarrayпосле работы с этим видом памяти в функции. Является ли типизированное представление памяти лучшим выбором или я бы просто использовал старый интерфейс буфера, как показано ниже, для созданияndarray на первом месте?

cdef np.ndarray[DTYPE_t, ndim=1] b = np.empty(N, dtype=np.int32)