Question

我有使用不正确数据类型存储的数据，并且无法将基础数据重新解释为正确的值。数据点实际上是float32数字，它们在我无法控制的系统中存储为单个整数（很可能是32位）。我可以访问的是单个整数，我想将它们重新解释为float32，以便在Python 2中获取正确的值。我一直在使用view()和neworderbytes()函数，但是得到意想不到的结果。

典型的整数数据是[-2147483648, 875967683, 1005249947, 1216348160]，它应该返回介于-1和+1之间的浮点数。这些限制并不难，所以浮点数可能略高或略低，但肯定不会高达1e5，这就是我所得到的，见下面的例子：

>>> import numpy as np
>>> si = np.array([-2147483648, 0, 875967683, 1005249947, 1084227584, 1084231267, 1112226524, 1216348160], dtype=np.int32)
>>> si.view(np.float32)
array([ -0.00000000e+00,   0.00000000e+00,   1.69692655e-07,
     7.16848439e-03,   5.00000000e+00,   5.00175619e+00,
     5.08074799e+01,   2.62144000e+05], dtype=float32)
>>> si.view(np.float32).newbyteorder()
array([  1.79366203e-43,   0.00000000e+00,  -1.80211731e+02,
    -3.80362399e-22,   5.74868682e-41,   2.63098489e+21,
    -2.09748370e+17,   4.60186416e-41], dtype=float32)

因此，您会发现重新解释的数据并不符合我的期望。此外，整数分布的一些特点引起了我的兴趣，并让我相信也许我在我身边做了一切，但基础数据在存储过程中已经被破坏了。

以下是我所拥有的：

Total number of integers            : 321,767
Number of integers = -2,147,483,648 :  91,989
Number of integers =              0 : 163,356
Number of integers >              0 :  66,422

因此，有大部分数据完全等于-2,147,483,648，这是唯一的负数。大约一半正好是0，这是完全正常和正常的，其余的在875,967,683和1,216,348,160之间变化有点奇怪，请参阅（http://i.imgur.com/jJVr1t6.png）的图，其中我对数据进行了排序绘制与指数和直方图。我期望直方图中的正态分布，但显然不是。

所以，我的基本问题归结为：我是否正确使用了view()函数并且处于正确的情况（这意味着数据已损坏），或者我没有？

Answer 1

嗯，事实证明我自己解决了这个问题。我对数据的基本假设和期望是错误的，这就是为什么它如此困难。过滤掉一个特定参数的数据，我发现numpy view函数确实正确地重新解释了底层字节，因为我知道的事实值很难限制为+-0.2，而整数数据是950355002和1045220557之间的重新解释变为：

>>> np.array([950355002, 1045220557], dtype=np.int32).view(np.float32)
array([  7.88052130e-05,   2.00000003e-01], dtype=float32)

重新诠释时，较大的数字是0.2，这正是我的上限。较小的数字实际上是0，而不是预期的-0.2。因此，我确信我的数据被错误地存储为int32而不是float32，但在此过程中，负（浮动）数据由于某种原因已经丢失，并且很可能被存储为默认的-2,147,483,648值。

使用numpy view（）函数

1 个答案: