将python浮点数转换为字节

Question

我想将 Python 浮点数转换为字节数组，将其编码为 32 位 little-endian IEEE 浮点数，以便将其写入二进制文件。

在 Python 3 中现代 Pythonic 的实现方式是什么？对于整数，我可以使用my_int.to_bytes(4,'little')，但没有用于浮点数的to_bytes 方法。

如果我可以一次性为 numpy 数组中的每个浮点数执行此操作（使用 dtype numpy.float32），那就更好了。但请注意，我需要将其作为字节数组获取，而不是立即将数组写入文件。

有一些听起来相似的问题，但它们似乎主要是关于获取十六进制数字，而不是写入二进制文件。

Answer 1

您可以使用struct 到pack 和bytes 之类的，

>>> import struct
>>> struct.pack('<f', 3.14) # little-endian
b'\xc3\xf5H@'
>>> struct.pack('>f', 3.14) # big-endian
b'@H\xf5\xc3'

Answer 2

NumPy 数组带有一个 tobytes 方法，可以为您提供原始数据字节的转储：

arr.tobytes()

您可以指定 order 参数以对多维数组使用 C 顺序（行主要）或 F 顺序（列主要）。

由于您想将字节转储到文件中，您可能还对tofile 方法感兴趣，它直接将字节转储到文件：

arr.tofile(your_file)

tofile 始终使用 C 顺序。

如果需要改变字节顺序，可以使用byteswap 方法。 （newbyteorder 有更方便的签名，但不会改变底层字节，所以不会影响tobytes。）

import sys
if sys.byteorder=='big':
    arr = arr.byteswap()
data_bytes = arr.tobytes()

Answer 3

使用正确的dtype，您可以将数组的数据缓冲区写入字节串或二进制文件：

In [449]: x = np.arange(4., dtype='<f4')                                        
In [450]: x                                                                     
Out[450]: array([0., 1., 2., 3.], dtype=float32)
In [451]: txt = x.tostring()                                                    
In [452]: txt                                                                   
Out[452]: b'\x00\x00\x00\x00\x00\x00\x80?\x00\x00\x00@\x00\x00@@'
In [453]: x.tofile('test')                                                                                                                           
In [455]: np.fromfile('test','<f4')                                             
Out[455]: array([0., 1., 2., 3.], dtype=float32)
In [459]: with open('test','br') as f: print(f.read())                          
b'\x00\x00\x00\x00\x00\x00\x80?\x00\x00\x00@\x00\x00@@'

改变结局：

In [460]: x.astype('>f4').tostring()                                            
Out[460]: b'\x00\x00\x00\x00?\x80\x00\x00@\x00\x00\x00@@\x00\x00'

Answer 4

numpy中有save/savez方法：

将数据存储到磁盘，然后再次加载：

>>> np.save('/tmp/123', np.array([[1, 2, 3], [4, 5, 6]]))
>>> np.load('/tmp/123.npy')
array([[1, 2, 3],
       [4, 5, 6]])

将压缩数据存储到磁盘，然后再次加载：

>>> a=np.array([[1, 2, 3], [4, 5, 6]])
>>> b=np.array([1, 2])
>>> np.savez('/tmp/123.npz', a=a, b=b)
>>> data = np.load('/tmp/123.npz')
>>> data['a']
array([[1, 2, 3],
       [4, 5, 6]])
>>> data['b']
array([1, 2])
>>> data.close()