将 16 位 integer 转换为 32 位浮点

Question

我正在尝试将用另一种语言编写的代码的一部分（对于您听说过的人来说，Wavemetrics 称为 Igor Pro 的一个不起眼的代码）移植到 Python。

在此代码中，将数据类型从 16 位 integer（从 16 位大端二进制文件读取）转换为单精度（32 位）浮点。 在这个程序中，转换如下：

签名 16 位 integer：

print tmp
tmp[0]={-24160,18597,-24160,18597,-24160}

转换为 32 位浮点数：

Redimension/S/E=1 tmp
print tmp
tmp[0]={339213,339213,5.79801e-41,0,0}

/S标志/选项表示tmp的数据类型应该是 float32 而不是 int16。 但是，我相信重要的标志/选项是/E=1 ，据说是“在不转换或移动数据的情况下强制重塑”。

在Python中，转换如下：

>>> tmp[:5]
array([-24160,  18597, -24160,  18597, -24160], dtype=int16)

>>> tmp.astype('float32')
array([-24160.,  18597., -24160., ...,  18597., -24160.,  18597.], dtype=float32)

这是我所期望的，但我需要在上面的原始代码中找到一个模拟/E=1选项的函数/操作。 有没有一种明显的方法可以将 -24160 和 18597 都转换为 339213？ 这与byteswap或newbyteorder或其他什么有关吗？

Answer 1

import numpy
tmp=numpy.array([-24160,18597,-24160,18597,-24160, 0], numpy.int16)
tmp.dtype = numpy.float32
print tmp

结果：

[  3.39213000e+05   3.39213000e+05   5.79801253e-41]

我不得不在值列表中添加一个零，因为有奇数个值。 它不能将这些解释为 32 位浮点数，因为有 5 个 16 位值。

Answer 2

使用view而不是astype ：

In [9]: tmp=np.array([-24160,  18597, -24160,  18597, -24160, 18597], dtype=int16)

In [10]: tmp.view('float32')
Out[10]: array([ 339213.,  339213.,  339213.], dtype=float32)

1. .astype创建转换为新 dtype 的数组的副本
2. .view返回数组的视图（具有相同的基础数据），数据根据新的 dtype 进行解释。

Answer 3

有没有一种明显的方法可以将 -24160 和 18597 都转换为 339213？

不，但也没有任何明显的方法可以将 -24160 转换为 339213和5.79801e-41和0。

它看起来更像是转换需要两个输入数字来创建一个output（可能通过将原始 2×16 位连接到 32 位并将结果称为浮点数）。 在这种情况下， -24160,18597对始终变为 339213，而 5.79801e-41 可能来自-24160,0 ，其中 0 是由于输入用完而发明的。 由于 5.79801e-41 看起来可能是单精度非规范化，这意味着两个 16 位块可能以小端顺序连接。

是否需要对每个 16 位输入进行字节交换仍有待观察，但您可以自己检查。