在python中模拟单精度浮点数的正确方法？

Question

在python中模拟单精度浮点的最佳方法是什么？ （或者其他浮点格式呢？）只使用ctypes吗？

Answer 1

numpy具有float32类型。

Answer 2

如果numpy （其他答案的极好的建议）对您不适用（例如，因为您处于不允许任意第三方扩展的环境中），那么Python标准库中的array模块也可以-输入代码'f'为您提供32位浮点数。 除了那些和（通常）双精度浮点数外，“其他浮点格式”没有太多内容了-您想到的是什么？ （例如， gmpy为GMP对具有更长的任意位大小的浮点数提供了适度的支持-但确实适度，例如，没有触发功能）。

Answer 3

标准库中的ctypes.c_float怎么样？

Answer 4

如果您的应用程序适合数组/矩阵，则可以将numpy与float32

Answer 5

可以使用Python的struct模块将64位浮点数截断为32位浮点数的精度。

例如：

>>> x = 1.1122334455667788
>>> x
1.1122334455667788
>>> struct.unpack('f', struct.pack('f', x))[0]
1.1122334003448486

若要仅对32位浮点数进行算术运算，则需要将此截断运算应用于每个算术运算的结果。

Answer 6

要稍微扩展一下ctypes选项[1]：

>>> import ctypes
>>> ctypes.sizeof(ctypes.c_int)                                                                                                                                                        
4
>>> ctypes.sizeof(ctypes.c_long)                                                                                                                                                       
8

>>> ctypes.sizeof(ctypes.c_float)                                                                                                                                                      
4
>>> ctypes.sizeof(ctypes.c_double)                                                                                                                                                     
8

使用numpy [2]，例如：

>>> import numpy as np
>>> np.zeros((1,1), dtype='uint8').nbytes                                                                                                                                              
1
>>> np.zeros((1,1), dtype='uint16').nbytes                                                                                                                                             
2
>>> np.zeros((1,1), dtype='uint64').nbytes                                                                                                                                             
8
>>> np.zeros((1,1), dtype='float').nbytes  # watch out for this one
8
>>> np.zeros((1,1), dtype='float32').nbytes                                                                                                                                            
4
>>> np.zeros((1,1), dtype='float64').nbytes                                                                                                                                            
8
>>> np.zeros((1,1), dtype='single').nbytes                                                                                                                                             
4
>>> np.zeros((1,1), dtype='double').nbytes                                                                                                                                             
8

numpy.astype进行转换，例如

>>> np.zeros((1,1), dtype='double').astype('single').nbytes                                                                                                                            
4

[1] https://docs.python.org/3/library/ctypes.html#fundamental-data-types

[2] https://docs.scipy.org/doc/numpy-1.15.1/reference/arrays.dtypes.html