什么是 R / Python / Julia 中 Matlab 的 typecast 函数的等价物答案

【问题标题】：what is the equivalent of Matlab's typecast function in R / Python / Julia什么是 R / Python / Julia 中 Matlab 的 typecast 函数的等价物
【发布时间】：2014-01-22 18:06:52
【问题描述】：

什么是 R 中 Matlab 的 typecast 函数的等价物？在 Python 中？在朱莉娅？ Matlab的typecast函数的说明在这里：typecast

示例，在 Matlab 中

X = uint32([1 255 256])
X =
           1         255         256

Y = typecast(X, 'uint8') # little endian
Y =
   1   0   0   0  255   0   0   0   0   1   0   0

谢谢

请注意：我不是在寻找与 Matlab 的 cast 函数等效的 R / Python / Julia 函数（例如，我不是在 R 中寻找 as.integer、as.character）

编辑：

感谢 Julia / R / Python 的回答。 StackOverflow 允许我选择一个答案，但我对所有答案都投了赞成票。

【问题讨论】：

R 中没有。我也很困惑你什么时候想使用typecast。你想用你的数据做什么？我能想到的最接近的是format，但这只会以不同的方式打印您的数据。
@ScottRitchie：可能想澄清一下你的意思是什么语言没有，因为问题涉及多种语言。
在 Python 中没有办法做到这一点，因为 Python 类型从位数等细节中抽象出来。你也许可以用 numpy.finagle 解决一些问题。没有任何解释你为什么要这样做，我和 Scott Ritchie 一样困惑于该操作的意义。
我已经澄清了我对语言的评论。
您可能会创建自己的typecast 函数，它只是将同一对象的多个表示形式存储在一个类结构中。

标签： python r matlab julia

【解决方案1】：

在 R 中，您可以将对象写入原始二进制连接并返回字节向量。这将使您获得与您的 uint8 输出示例等效的内容：

> X=c(1,255,256)
> mode(X)
[1] "numeric"

这里重要的是存储模式，而不是模式。所以我们将它设置为整数——相当于 uint32，即每个整数 4 个字节：

> storage.mode(X)
[1] "double"
> storage.mode(X)="integer"

现在我们可以使用writeBin。第二个参数是一个任意的原始向量，因此我们创建一个长度为零的临时向量。我们只关心返回值：

> Xraw = writeBin(X,raw(0))
> Xraw
 [1] 01 00 00 00 ff 00 00 00 00 01 00 00

使用readBin 进行反向操作：

> readBin(Xraw,"int",n=3)
[1]   1 255 256

将前 8 个字节解压成双精度：

> Xdoub = readBin(Xraw,"double",n=1)
> Xdoub
[1] 5.411089e-312

显然是一个无意义的值。但是让我们检查一下它的前 8 个字节是否相同：

> writeBin(Xdoub,raw(0))
[1] 01 00 00 00 ff 00 00 00

R 并不真正具有所有 C 级别的类型，因此如果您需要任何东西，您可以从原始字节构建它或编写一些 C 代码以与 R 函数链接。

【讨论】：

【解决方案2】：

在 Julia 中，您正在寻找 reinterpret：

julia> X = Uint32[1,255,256]
3-element Array{Uint32,1}:
 0x00000001
 0x000000ff
 0x00000100

julia> Y = reinterpret(Uint8,X)
12-element Array{Uint8,1}:
 0x01
 0x00
 0x00
 0x00
 0xff
 0x00
 0x00
 0x00
 0x00
 0x01
 0x00
 0x00

但是请注意，对于矩阵，即使第一个维度是单例，您也需要指定结果维度（因为您需要 4x3 还是 1x12 数组并不明确）：

julia> X = Uint32[1 255 256]
1x3 Array{Uint32,2}:
 0x00000001  0x000000ff  0x00000100

julia> Y = reinterpret(Uint8,X) # This won't work
ERROR: result shape not specified

julia> Y = reinterpret(Uint8,X,(1,12))
1x12 Array{Uint8,2}:
 0x01  0x00  0x00  0x00  0xff  0x00  0x00  0x00  0x00  0x01  0x00  0x00

【讨论】：

有没有办法用多维数组做到这一点？ Uint32[1,255,256] 但与 Uint32[[1 1], [1, 1]] ?

【解决方案3】：

Python/Numpy：

>>> import numpy as np
>>> x = np.array([1,255,256], dtype=np.int32)
>>> y = x.view(np.uint8)

（您可以类似地更改x 本身的类型：x.dtype = np.uint8）。

输出：

>>> x
array([  1, 255, 256])
>>> y
array([  1,   0,   0,   0, 255,   0,   0,   0,   0,   1,   0,   0], dtype=uint8)

请注意，y 是对x 的就地重新解释的view，因此y 中的任何更改都将反映在x 中：

>>> y[:] = 255
>>> x
array([-1, -1, -1])

MATLAB

这是等效的 MATLAB 输出：

>> x = int32([1,2,3])
x =
           1           2           3
>> y = typecast(x, 'uint8')
y =
    1    0    0    0    2    0    0    0    3    0    0    0

>> y(:) = 255
y =
  255  255  255  255  255  255  255  255  255  255  255  255
>> xx = typecast(y, 'int32')
xx =
          -1          -1          -1

如果您想在 MATLAB 中进行类型转换而不创建深层副本，请参阅typecastx MEX-function（它使用未记录的功能来创建共享数据副本）。

注意 MATLAB 使用 saturation arithmetic，取消链接具有 modular arithmetic 的 Python：

Python/Numpy

# wraps around the other end
>>> np.array(257, dtype=np.uint8)
array(1, dtype=uint8)

MATLAB

% saturates at the maximum
>> uint8(257)
ans =
  255

【讨论】：