基本上，听起来像是要使用数组的tofile方法或直接使用ndarray.data缓冲区对象。
对于您的具体用例，使用数组的data缓冲区是最有效的，但是对于一般用途，您需要注意许多注意事项。我稍后再详细说明。
不过，首先让我回答您的几个问题，并提供一些澄清：buf[:N] allocates memory for a new array object, having the length N+1, right?
这取决于你所说的“新数组对象”是什么意思。不管所涉及的数组大小，只分配很少的额外内存。在
它确实为一个新的数组对象分配内存(几个字节)，但它不为数组的数据分配额外的内存。相反，它创建一个共享原始数组数据缓冲区的“视图”。对y = buf[:N]所做的任何更改也将影响buf。在buf[:N].tostring() allocates memory for a new string, and the bytes from buf are copied into this string
是的，没错。
另一方面，实际上，您可以按照相反的方式(字符串到数组)，而无需分配任何额外的内存：
somestring = 'This could be a big string'
arr = np.frombuffer(buffer(somestring), dtype=np.uint8)但是，由于python字符串是不可变的，arr将是只读的。在Is there a way to just tell f.write to access directly the memory address of "buf" from 0 to N bytes and write them onto the disk?
是的！
基本上，你需要：
^{2}$这是非常有效的，将适用于任何类似文件的对象。在这种情况下，这几乎是你想要的。但是，有几个注意事项！
首先，请注意N将在数组中的项中，而不是直接以字节为单位。它们在示例代码中是等价的(由于dtype=np.int8，或任何其他8位数据类型)。
如果你想写一些字节，你可以这样做f.write(buf.data[:N])
…但是切片arr.data缓冲区将分配一个新的字符串，因此它在功能上类似于buf[:N].tostring()。无论如何，请注意，对于大多数数据类型，执行f.write(buf[:N].tostring())操作与执行f.write(buf.data[:N])操作不同，但两者都将分配一个新的字符串。
接下来，numpy数组可以共享数据缓冲区。在您的例子中，您不需要担心这一点，但一般来说，使用somearr.data可能会因此而导致意外。
例如：
x = np.arange(10, dtype=np.uint8)
y = x[::2]现在，y与x共享相同的内存缓冲区，但它在内存中不是连续的(请看一下x.flagsvsy.flags)。相反，它引用x内存缓冲区中的项(比较x.strides和{})。
如果我们试图访问y.data，我们会得到一个错误，告诉我们这不是内存中的连续数组，并且我们无法为它获得一个单段缓冲区：In [5]: y.data
-
AttributeError Traceback (most recent call last)
in ()
> 1 y.data
AttributeError: cannot get single-segment buffer for discontiguous array这是numpy数组有一个tofile方法的很大一部分原因(它也早于python的buffer方法，但这是另一个故事)。在
tofile将在不分配额外内存的情况下将数组中的数据写入文件。但是，由于它是在C级实现的，它只适用于真正的file对象，而不是文件类对象(例如socket、StringIO等)。在
例如：buf[:N].tofile(f)
但是，这是在C级实现的，只适用于实际的file对象，而不是sockets、StringIO和其他类似文件的对象。
但是，这允许您使用任意数组索引。在buf[someslice].tofile(f)
将生成一个新视图(相同的内存缓冲区)，并有效地将其写入磁盘。在您的确切情况下，它将比切片arr.data缓冲区并直接将其写入磁盘稍慢。
如果您希望使用数组索引(而不是字节数)，那么ndarray.tofile方法将比f.write(arr.tostring())更有效。
