我有一个自制的二进制定点算术支持库，并想添加 numpy 数组支持。具体来说，我希望能够传递定点二进制数的二维数组并对它们进行各种操作，例如加法、减法、乘法、舍入、更改定点格式等。
引擎盖下的定点支持适用于整数，并单独跟踪定点格式数据（整数和小数位数）以进行范围检查和类型转换。
我一直在阅读关于 ndarray 子类化和 dtype 的 numpy 文档，看来我可能需要至少一个自定义 dtype，或者为定点数的每个唯一范围/精度配置单独的 dtype 对象。我尝试在 Python 中对 numpy.dtype 进行子类化，但这是不允许的。
我不确定是否可以在不编写 C 级代码的情况下以我想要的方式编写与 numpy 互操作的东西 - 到目前为止一切都是纯 Python，我避免在幕后研究如何在 C 上工作-基于 numpy 的层。
【问题讨论】：
标签： python numpy-ndarray
对于任何感兴趣的人来说，这在 Python 扩展的 Numpy 中太难了，或者只是不适合数据模型。我最终编写了一个单独的 Python 类型库来实现我想要的行为，它在引擎盖下使用 Numpy 整数数组来提高速度。 它工作正常，可以进行我想要的严格的二进制范围计算和检查，但会遭受 Python 代码速度开销，尤其是对于小型数组。如果我有时间，我相信它可以作为 C 库做得更好/更快。
【讨论】：
python 的库 fxpmath 支持用于定点数和逻辑和算术运算的 Numpy N 维数组。您可以在以下位置找到信息：
https://github.com/francof2a/fxpmath
一个例子：
from fxpmath import Fxp
# ndim list as input
x = Fxp([[-1.5, 2.5], [0.125, 7.75]])
# ndim list of binary strings
y = Fxp([['0b1100', '0b0110'], ['0b0000', '0b1111']], signed=True, n_frac=2)
import numpy as np
# numpy ndarrays as inputs
z1 = Fxp(np.random.uniform(size=(100,20)), signed=True, n_word=8, n_frac=6)
z2 = Fxp(np.random.uniform(size=(100,20)), signed=True, n_word=8, n_frac=6)
# some operation
z = z1 + z2
【讨论】：