Cython: Fehlertyp des Puffertyps, erwartet 'int', aber 'lang'

Question

Ich habe Probleme, in diesem memoryview von ganzen Zahlen in diese (eher triviale) Funktion zu gehen. Python gibt mir diesen Fehler:

ValueError: Buffer dtype mismatch, expected 'int' but got 'long' 

Kann mir jemand helfen zu verstehen, was vor sich geht? Bei der Suche nach stackoverflow scheint es damit zu tun zu haben, wie python Typen interpretiert und wie C Typen interpretiert.

%%cython 
def myfunction(int [:] y): 
    pass 

# Python code 
import numpy as np 
y = np.array([0, 0, 1, 1]) 
myfunction(y) 

Dies erzeugt die ValueError von oben.

EDIT: Hier sind einige andere Dinge, die ich entdeckt habe.

Um zu klären, bleibt dieser Fehler, wenn ich y folgende Möglichkeiten erklären:

y = np.array([0, 0, 1, 1], dtype='int') 
y = np.array([0, 0, 1, 1], dtype=np.int) 
y = np.array([0, 0, 1, 1], dtype=np.int64) 

Allerdings funktioniert es, wenn ich y mit

y = np.array([0, 0, 1, 1], dtype=np.int32) 

erklären

Hat jemand einen Vorschlag, warum diese geben wollen ist der Fall? Würden np.int32 auf verschiedenen Computern arbeiten? (Ich benutze ein macbook pro Retina, 2013.)

Answer 1

Du Cython der int Art verwenden, die nur Cint ist. Ich denke auf Mac (oder den meisten Architekturen) ist es Int 32-Bit. Siehe wiki oder intel oder Does the size of an int depend on the compiler and/or processor?

Auf der anderen Seite, long bedeutet int64. dtype='int' oder dtype=np.int sind alle äquivalent zu np.int64.

Ich denke, man könnte nur explizit als eine der numpy Art definieren:

cimport numpy as np 
import numpy as np 
cdef myfunction(np.ndarray[np.int64_t, ndim=1] y): 
    #do something 
    pass 

So liest es mehr klar und es wird keine Verwirrung später sein.

EDIT

Die neuere memoryviews Syntax so sein würde:

cdef myfunction(double[:] y): 
    #do something with y 
    pass 

Answer 2

Ich tat, was die Fehlermeldung mir gesagt: ich von int zu long den memoryview Basistyp geändert und es schien Arbeit.

%%cython 
def fun(long[:] x): 
    return x[0] 

y=np.array([1,2,3],dtype=int) 
fun(y) # returns 1 

Answer 3

Ich hatte das gleiche Problem. Motiviert durch Yibos Antwort verwendete ich .astype (int), was das Problem löste.