有符号整数上的 Numpy 按位异或

Question

我正在读取一些偏移二进制格式的二进制数据。 numpy 中的有符号整数是二进制补码，因此值不正确。要修复数据，我需要翻转最重要的位。但是，我从按位异或得到了一些意想不到的结果，并且不完全确定发生了什么。

例子：

data = np.array([1, 7, -1, -8], dtype='i1')
mask = 0b10000000

def print_bin(data, out):
    for d, o in zip(data, out):
        bin_data =np.binary_repr(d, d.dtype.itemsize*8)
        bin_out = np.binary_repr(o, o.dtype.itemsize*8)
        print(f'{bin_data} to {bin_out}')
        
print_bin(data, data ^ mask)

输出：

00000001 to 0000000010000001
00000111 to 0000000010000111
11111111 to 1111111101111111
11111000 to 1111111101111000

似乎numpy 可能在 xor 之前进行某种类型的转换，因为输出是 16 位整数。如果我使用函数形式 np.bitwise_xor 而不是 ^ 我会得到相同的结果。有趣的是，如果我用-mask 进行异或运算，结果是正确的。或者，如果我以函数形式指定 dtype。

print_bin(data, np.bitwise_xor(data, mask, dtype='i1'))
print_bin(data, data ^ -mask)

输出：

00000001 to 10000001
00000111 to 10000111
11111111 to 01111111
11111000 to 01111000

谁能准确解释第一种情况发生了什么？

Answer 1

您的mask = 0b10000000 是一个无符号整数表示：

>>> mask
... 128

这需要 16 位来表示为有符号整数，因此 numpy 将所有整数转换为 16 位以适应此操作。您正在寻找具有二进制表示 '10000000' 的有符号整数。这对应于整数-128。

所以mask = -128 应该可以解决您的问题！这也是为什么否定掩码有效的原因 (-mask = -128 = '10000000' as a signed int.

将掩码转换为 int8 numpy 整数也可以解决问题：

>>> np.array(0b10000000, dtype='i1')
... array(-128, dtype=int8)