Question

我有一个10字节（80位）Little Endian浮点值（或struct）的数组。我怎样才能在python 3中读取这个值？

包float80不支持array（可能是我不小心阅读了文档）。

包float80与包＆＃34; struct＆＃34;相同不支持numpy。

包float128支持float96或\x00类型。它非常好，但将float80添加到float96的尾部以将其扩展为float128或ctypes是丑陋的，导入此软件包需要花费很多时间。

包c_longdouble支持sizeof(c_longdouble)。它比numpy快很多倍，但\x00与机器有关，可能小于80位，在float80的尾部附加c_longdouble以将其扩展为{{ 1}}也很难看。

更新1 ：在gist.github处测试代码。函数decode_str64很难看，但它有效。现在我正在寻找正确的方式

Answer 1

让我以更合乎逻辑的方式重写我的答案：

ctypes c_longdouble是机器相关的，因为longdouble浮点类型不是由C标准设置的，并且取决于编译器:(但它仍然是你现在可以拥有的高精度浮点数的最佳选择..

如果您计划使用numpy，numpy.longdouble是您正在寻找的，numpy.float96或numpy.float128是极具误导性的名称。它们不表示96位或128位IEEE浮点格式。相反，它们表示底层long double类型使用的对齐位数。所以例如在x86-32上，long double是80位，但是最多填充96位以保持32位对齐，numpy调用此float96。在x86-64上，long double也是相同的80位类型，但现在它被填充到128位以保持64位对齐，并且numpy调用此float128。没有额外的精度，只是额外的填充。

在\x00末尾添加float80以使Float96变得丑陋，但最后只是因为float96只是填充float80 1}}和numpy.longdouble是float96或float128，具体取决于您使用的机器的体系结构。

What is the internal precision of numpy.float128?

Answer 2

numpy can use 80-bit float if the compiler and platform support them：

numpy中是否可以[支持更高精度]取决于硬件和开发环境：特别是x86 机器提供80位精度的硬件浮点数而大多数C编译器都将其作为long double类型，MSVC （Windows版本的标准）使long double与double相同（64位）。 Numpy使编译器的long double可用 np.longdouble（和复数的np.clongdouble）。您可以找出你的numpy为np.finfo(np.longdouble)提供的内容。

我在PyPI以及np.longdouble中的float64和numpy-1.11.1-win32.whl中检查了float96 numpy-1.4.1-9.el6.i686库存post是否为pre

Answer 3

在4（x32）或16（x64）字节边界上添加填充或更确切地说，扩展精度浮点的内存对齐 - by recommendatation from Intel no less - 以避免与处理非对齐相关的性能损失x86 CPU上的数据。为了让您了解命中数量some figures from Microsoft show ~2 times difference for DWORDs.

This layout is ingrained into the underlying C's long double而不是numpy的发明，因此numpy并未尝试提供任何方法来提取/插入＆＃34 ;显著＆＃34;一部分。

因此，如果你有没有填充的原始数据，手动添加填充看起来就像是要走的路。您可以通过直接写入底层缓冲区来加快进程：

fi=np.finfo(np.longdouble)
assert fi.nmant==63 and fi.nexp==15, "80-bit float support is required"
del fi

len_float80=10    #no way to extract this from dtype/finfo
len_padded=np.dtype(np.longdouble).itemsize

f=open('float80.bin','rb')
f_items=os.stat(f.name).st_size//len_float80

n = np.empty(f_items,dtype=np.longdouble)

for i in xrange(f_items):
    raw=f.read(len_float80)
    n.data[i*len_padded:i*len_padded+len_float80]=raw

del f,i,raw,f_items

甚至可以通过porting the code to Cython获得更多的加速（if using raw buffers, the speedup compared to regular array indexing can be as much as 100x!这会损害代码的可维护性，但请注意这里的过早优化。）

或者，对于＆＃34;交换＆＃34;格式，您可以考虑使用未绑定到内部表示的格式，例如savetxt。

Python：读取float80值

3 个答案: