我运行了以下脚本，它们被认为是相同的，但是输出完全不同，
有人能解释为什么吗？
我首先导入了必要的模块：
from ctypes import *
import numpy as np
代码1：
AOVoltage = np.linspace(-1, 1, 2200)
AOVoltage = AOVoltage.ctypes.data_as(POINTER(c_double))
print AOVoltage.contents
c_double(1.821347161578237e-284)
代码2：
a = np.linspace(-1, 1, 2200)
AOVoltage = a.ctypes.data_as(POINTER(c_double))
print AOVoltage.contents
c_double(-1.0)
代码3：
AOVoltage = (np.linspace(-1, 1, 2200)).ctypes.data_as(POINTER(c_double))
print AOVoltage.contents
c_double(1.821347161578237e-284)
最佳答案
为此，需要保留对原始numpy数组的引用，以防止其被垃圾收集。这就是为什么2起作用，而1和3不起作用（他们的行为没有定义）。
这在documentation中有解释：
小心使用ctypes属性-特别是在临时数组或动态构造的数组上。例如，调用(a+b).ctypes.data_as(ctypes.c_void_p)返回一个指向内存的指针，该指针无效，因为创建为(a+b)的数组在下一条Python语句之前被释放。您可以使用c=a+b或ct=(a+b).ctypes来避免此问题。在后一种情况下，ct将保留对数组的引用，直到删除或重新分配ct为止。
关于python - 等效的numpy脚本产生不同的结果，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/13476669/