PEP 3118 avvertimento quando si utilizza ctypes matrice come NumPy serie

Question

sto ottenendo il seguente messaggio di avviso quando si tenta di utilizzare un array ctypes come un array NumPy:

Python 2.7.1 (r271:86832, Nov 27 2010, 18:30:46) [MSC v.1500 32 bit (Intel)] on 
win32 
Type "help", "copyright", "credits" or "license" for more information. 
>>> import ctypes, numpy 
>>> TenByteBuffer = ctypes.c_ubyte * 10 
>>> a = TenByteBuffer() 
>>> b = numpy.ctypeslib.as_array(a) 
C:\Python27\lib\site-packages\numpy\ctypeslib.py:402: RuntimeWarning: Item size 
computed from the PEP 3118 buffer format string does not match the actual item s 
ize. 
    return array(obj, copy=False) 
>>> b 
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=uint8) 

Il codice sembra funzionare, però. È una cattiva idea ignorare questo avvertimento?

Sfondo: Sto chiamando una DLL C che produce dati in tempo reale. Ho bisogno di passare alla DLL una serie di buffer per contenere i dati. Mentre aspetto il prossimo buffer da riempire, mi piacerebbe elaborare il buffer più recente con numpy e salvare il risultato. Sto generando i buffer con il codice come sopra, e le cose sembrano funzionare, ma non voglio spazzare un problema importante sotto il tappeto.

Answer 1

È un bug in Python. ctypes produce attualmente validi PEP 3118 codici tipo, quali NumPy comunicazioni: http://bugs.python.org/issue10746 http://bugs.python.org/issue10744

Quando tale incongruenza è presente, Numpy salta la utilizzando l'interfaccia tampone PEP 3118, e ricade al vecchio (obsoleto) interfaccia buffer. Questo dovrebbe funzionare correttamente.

È possibile disattivare l'avviso utilizzando il modulo warnings di Python. Tuttavia, l'avviso potrebbe avere un impatto sulle prestazioni.

Si può anche provare a risolvere il problema avvolgendo l'oggetto ctypes in buffer().

Answer 2

C'è un modo più conveniente di fare questo, che evita l'avviso del tutto:

Invece di creare i dati come array ctypes prima e poi convertirlo in un array NumPy, basta crearlo come un array NumPy subito, quindi utilizzare numpy.ctypeslib.ndpointer come identificatore di tipo nel prototipo di ctypes. Per fare un esempio, diciamo che avete una funzione C chiamato f che prende un char* e size_t come argomenti:

void f(char* buf, size_t len); 

tuo ctypes prototipo sarebbe

from numpy.ctypeslib import ndpointer 
some_dll = ctypes.CDLL(...) 
some_dll.f.argtypes = [ndpointer(numpy.uint8, flags="C_CONTIGUOUS"), 
         ctypes.c_size_t] 
some_dll.f.restype = None 

e si può chiamare questa funzione come

a = numpy.zeros(10, numpy.uint8) 
f(a, a.size)