我仍在使用ctypes编写Python接口来调用我的C代码。今天，我用别人使用NumPy编写的Python版本替换了我的文件读取函数。旧的C版本使用byref(p_data)调用，而p_data=PFloat()（见下文）。主函数使用p_data。
旧的文件读取：
p_data=POINTER(c_float)
foo.read(filename,byref(p_data))
result=foo.pymain(p_data)
另一方面，Python文件读取函数返回一个NumPy数组。我的问题是：
如何将NumPy数组转换为POINTER(c_float)？
我搜索了一下，但只找到了相反的情况：通过ctypes访问的C数组作为NumPy数组和我不理解的东西：C-Types Foreign Function Interface（numpy.ctypeslib）。
[更新] 修正了示例代码中的错误。
你的代码似乎存在一些混淆 -- ctypes.POINTER() 创建的是一个新的 ctypes 指针 类，而不是 ctypes 实例。不管怎样，将 NumPy 数组传递给 ctypes 代码的最简单方法是使用 numpy.ndarray 的 ctypes 属性的 data_as 方法。确保底层数据首先是正确类型的即可。例如：
import ctypes
import numpy
c_float_p = ctypes.POINTER(ctypes.c_float)
data = numpy.array([[0.1, 0.1], [0.2, 0.2], [0.3, 0.3]])
data = data.astype(numpy.float32)
data_p = data.ctypes.data_as(c_float_p)
np.ndarrays作为ctypes参数更好的方法是使用ndpointer，如numpy-docs中所述。
这种方法比使用
POINTER(c_double)更灵活，因为可以指定多个限制条件，在调用ctypes函数时进行验证。这些条件包括数据类型、维数、形状和标志。如果给定数组不满足指定的限制条件，则会引发TypeError。
最小可复现示例
从Python调用memcpy。最终需要调整标准C库libc.so.6的文件名。
import ctypes
import numpy as np
n_bytes_f64 = 8
nrows = 2
ncols = 5
clib = ctypes.cdll.LoadLibrary("libc.so.6")
clib.memcpy.argtypes = [
np.ctypeslib.ndpointer(dtype=np.float64, ndim=2, flags='C_CONTIGUOUS'),
np.ctypeslib.ndpointer(dtype=np.float64, ndim=1, flags='C_CONTIGUOUS'),
ctypes.c_size_t]
clib.memcpy.restype = ctypes.c_void_p
arr_from = np.arange(nrows * ncols).astype(np.float64)
arr_to = np.empty(shape=(nrows, ncols), dtype=np.float64)
print('arr_from:', arr_from)
print('arr_to:', arr_to)
print('\ncalling clib.memcpy ...\n')
clib.memcpy(arr_to, arr_from, nrows * ncols * n_bytes_f64)
print('arr_from:', arr_from)
print('arr_to:', arr_to)
输出
arr_from: [0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
arr_to: [[0.0e+000 4.9e-324 9.9e-324 1.5e-323 2.0e-323]
[2.5e-323 3.0e-323 3.5e-323 4.0e-323 4.4e-323]]
calling clib.memcpy ...
arr_from: [0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
arr_to: [[0. 1. 2. 3. 4.]
[5. 6. 7. 8. 9.]]
如果您修改ndpointer的ndim=1/2参数，使其与arr_from/arr_to的维度不一致，代码将失败并出现ArgumentError。
由于这个问题的标题非常一般化，...
ctypes.c_void_p结果构造np.ndarray最小可重现示例
在下面的示例中，使用malloc分配了一些内存，并由memset填充为0。然后构造了一个numpy数组来访问这段内存。当然会出现所有权问题，因为python不会释放在c中分配的内存。为了避免内存泄漏，必须通过ctypes再次free已分配的内存。可以使用np.ndarray的copy方法来获得所有权。
import ctypes
import numpy as np
n_bytes_int = 4
size = 7
clib = ctypes.cdll.LoadLibrary("libc.so.6")
clib.malloc.argtypes = [ctypes.c_size_t]
clib.malloc.restype = ctypes.c_void_p
clib.memset.argtypes = [
ctypes.c_void_p,
ctypes.c_int,
ctypes.c_size_t]
clib.memset.restype = np.ctypeslib.ndpointer(
dtype=np.int32, ndim=1, flags='C_CONTIGUOUS')
clib.free.argtypes = [ctypes.c_void_p]
clib.free.restype = ctypes.c_void_p
pntr = clib.malloc(size * n_bytes_int)
ndpntr = clib.memset(pntr, 0, size * n_bytes_int)
print(type(ndpntr))
ctypes_pntr = ctypes.cast(ndpntr, ctypes.POINTER(ctypes.c_int))
print(type(ctypes_pntr))
print()
arr_noowner = np.ctypeslib.as_array(ctypes_pntr, shape=(size,))
arr_owner = np.ctypeslib.as_array(ctypes_pntr, shape=(size,)).copy()
# arr_owner = arr_noowner.copy()
print('arr_noowner (at {:}): {:}'.format(arr_noowner.ctypes.data, arr_noowner))
print('arr_owner (at {:}): {:}'.format(arr_owner.ctypes.data, arr_owner))
print('\nfree allocated memory again ...\n')
_ = clib.free(pntr)
print('arr_noowner (at {:}): {:}'.format(arr_noowner.ctypes.data, arr_noowner))
print('arr_owner (at {:}): {:}'.format(arr_owner.ctypes.data, arr_owner))
print('\njust for fun: free some python-memory ...\n')
_ = clib.free(arr_owner.ctypes.data_as(ctypes.c_void_p))
print('arr_noowner (at {:}): {:}'.format(arr_noowner.ctypes.data, arr_noowner))
print('arr_owner (at {:}): {:}'.format(arr_owner.ctypes.data, arr_owner))
输出
<class 'numpy.ctypeslib.ndpointer_<i4_1d_C_CONTIGUOUS'>
<class '__main__.LP_c_int'>
arr_noowner (at 104719884831376): [0 0 0 0 0 0 0]
arr_owner (at 104719884827744): [0 0 0 0 0 0 0]
free allocated memory again ...
arr_noowner (at 104719884831376): [ -7687536 24381 -28516336 24381 0 0 0]
arr_owner (at 104719884827744): [0 0 0 0 0 0 0]
just for fun: free some python-memory ...
arr_noowner (at 104719884831376): [ -7687536 24381 -28516336 24381 0 0 0]
arr_owner (at 104719884827744): [ -7779696 24381 -28516336 24381 0 0 0]
.ctypes对象的.shape和.strides属性，并注意文档中关于.data和.data_as()的注意事项。https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.ctypes.html - llasram