Question

我正在使用Numpy和Python。我需要复制数据，没有np.uint64和np.float64之间的数字转换，例如1.5 <-> 0x3ff8000000000000。

我知道float.hex，但输出格式距离uint64很远：

In [30]: a=1.5
In [31]: float.hex(a)
Out[31]: '0x1.8000000000000p+0'

我也知道其他方式的各种字符串输入例程。

有人可以建议更直接的方法吗？毕竟，它只是简单的复制和类型更改，但python / numpy似乎在转换数据的过程中非常严格。

Answer 1

使用中间数组和frombuffer方法来＆＃34;施放＆＃34;一个数组类型到另一个：

>>> v = 1.5
>>> fa = np.array([v], dtype='float64')
>>> ua = np.frombuffer(fa, dtype='uint64')
>>> ua[0]
4609434218613702656      # 0x3ff8000000000000

由于frombuffer创建了一个原始缓冲区的视图，因此即使重新解释大型数组中的数据，这也是有效的。

Answer 2

所以，你需要的是在内存中看到表示float64的8个字节为整数。（将此int64数字表示为十六进制字符串是另一回事 - 它只是它的代表性。）

与stdlib的ctypes捆绑在一起的Struct和Union功能可能对你很好 - 不需要numpy。它有一个有效的联盟类型很像C语言联盟，并且允许你这样做：

>>> import ctypes
>>> class Conv(ctypes.Union):
...   _fields_ = [ ("float", ctypes.c_double), ("int", ctypes.c_uint64)]
... 
>>> c = Conv()
>>> c.float = 1.5
>>> print hex(c.int)
0x3ff8000000000000L

内置的“十六进制”函数是一种获取数字十六进制表示的方法。

您也可以使用struct模块：将数字打包为字符串作为double，并将其解压缩为int。我认为它比使用ctypes Union更不易读，效率更低：

>>> inport struct
>>> hex(struct.unpack("<Q",  struct.pack("<d", 1.5))[0])
'0x3ff8000000000000'

但是，由于你正在使用numpy，你可以简单地“动态”更改数组类型，并将所有数组作为整数操作为0副本：

>>> import numpy
>>> x = numpy.array((1.5,), dtype=numpy.double)
>>> x[0]
1.5
>>> x.dtype=numpy.dtype("uint64")
>>> x[0]
4609434218613702656
>>> hex(x[0])
'0x3ff8000000000000L'

这是迄今为止最有效的方法，无论你获取float64数字的原始字节的目的是什么。

复制内部格式float64 uint64

2 个答案: