Python 有效的逐浮点字节乘法

在输入端，我有一个带符号的字节数组

barr

（通常是小的尾数，但这可能并不重要）和一个浮点

f

，用于乘以

barr

我的方法是将

barr

转换成一个整数

val

（使用

int.from_bytes

函数），将其相乘，执行溢出检查并在需要时“裁剪”相乘的

val

，然后将其转换回字节数组

def multiply(barr, f):
        val = int.from_bytes(barr, byteorder='little', signed=True)
        val *= f
        val = int (val)
        val = cropInt(val, bitLen = barr.__len__()*8)
        barr = val.to_bytes(barr.__len__(), byteorder='little', signed=True)
        return barr

def cropInt(integer, bitLen, signed = True):
        maxValue = (2**(bitLen-1)-1) if signed else (2**(bitLen)-1)
        minValue = -maxValue-1 if signed else 0
        if integer > maxValue:
            integer = maxValue
        if integer < minValue:
            integer = minValue
        return integer

def乘法（barr，f）：
val=int.from_字节（barr，byteorder='little'，signed=True）
val*=f
val=int（val）
val=cropInt（val，bitLen=barr.uu len_uuu（）*8）
barr=val.to_字节（barr.\uu len\uuu（），byteorder='little'，signed=True）
回程车
def cropInt（整数、位、有符号=真）：
maxValue=（2**（bitLen-1）-1）如果有符号，则为else（2**（bitLen）-1）
minValue=-maxValue-1，如果签名为0
如果整数>最大值：
整数=最大值
如果整数<最小值：
整数=最小值
返回整数

---

但是，在处理大量数据时，此过程非常缓慢。有没有更好、更有效的方法呢？

纯Python对任何数值计算都不起作用-因为每个数字都被视为一个对象，所以每个操作都涉及很多“隐藏”步骤

另一方面，如果使用适当的第三方库集，Python可以非常有效地进行数值计算

在您的情况下，sice性能很重要，您可以使用事实上的Python包进行数字处理

有了它，铸造、乘法和重铸将在本机代码中一次完成（并且在了解了比我更好的NumPy之后，可能只需更少的步骤），并且应该可以为这项任务提高3-4个数量级的速度：

import numpy as np
def multiply(all_bytes, f, bitlen, signed=True): 

    # Works for 8, 16, 32 and 64 bit integers:
    dtype = "%sint%d" % ("" if signed else "",   bitlen)
    max_value = 2 ** (bitlen- (1 if signed else 0)) - 1

    input_data = np.frombuffer(all_bytes, dtype=dtype)
    processed = np.clip(input_data * f, 0, max_value)
    return bytes(processed.astype(dtype))

请注意，本示例一次获取所有字节数据，而不是在传递原始“乘法”函数时一次获取一个字节数据。因此，您还必须将整数的位大小传递给它

行

dtype=“%sint%d”%（“if signed else”，bitlen）

创建数据类型名称，NumPy根据传入的位数使用该名称。由于名称只是一个字符串，它会根据无符号的数据类型，插入一个添加或不添加“u”前缀的字符串，并将位数放在末尾。NumPy数据类型可在以下位置进行检查：

使用500000个8位有符号整数数组运行时，我得到以下计时结果：

在[99]：%time y=numpy_乘法（数据，1.7,8） CPU时间：用户3.01毫秒，系统4.96毫秒，总计7.97毫秒 壁时间：7.38毫秒

在[100]中：%时间x=原始乘法（数据，1.7,8） CPU时间：用户11.3秒，系统1.86毫秒，总计11.3秒 壁时间：11.3秒

---

（这是在修改函数以一次对所有字节进行操作之后）-如我在初稿中所述，加速1500倍。

纯Python对任何数值计算都相当不利-因为由于每个数字都被视为一个对象，每个操作都涉及大量“隐藏”步骤

另一方面，如果使用适当的第三方库集，Python可以非常有效地进行数值计算

在您的情况下，sice性能很重要，您可以使用事实上的Python包进行数字处理

有了它，铸造、乘法和重铸将在本机代码中一次完成（并且在了解了比我更好的NumPy之后，可能只需更少的步骤），并且应该可以为这项任务提高3-4个数量级的速度：

import numpy as np
def multiply(all_bytes, f, bitlen, signed=True): 

    # Works for 8, 16, 32 and 64 bit integers:
    dtype = "%sint%d" % ("" if signed else "",   bitlen)
    max_value = 2 ** (bitlen- (1 if signed else 0)) - 1

    input_data = np.frombuffer(all_bytes, dtype=dtype)
    processed = np.clip(input_data * f, 0, max_value)
    return bytes(processed.astype(dtype))

请注意，本示例一次获取所有字节数据，而不是在传递原始“乘法”函数时一次获取一个字节数据。因此，您还必须将整数的位大小传递给它

行

dtype=“%sint%d”%（“if signed else”，bitlen）

创建数据类型名称，NumPy根据传入的位数使用该名称。由于名称只是一个字符串，它会根据无符号的数据类型，插入一个添加或不添加“u”前缀的字符串，并将位数放在末尾。NumPy数据类型可在以下位置进行检查：

使用500000个8位有符号整数数组运行时，我得到以下计时结果：

在[99]：%time y=numpy_乘法（数据，1.7,8） CPU时间：用户3.01毫秒，系统4.96毫秒，总计7.97毫秒 壁时间：7.38毫秒

在[100]中：%时间x=原始乘法（数据，1.7,8） CPU时间：用户11.3秒，系统1.86毫秒，总计11.3秒 壁时间：11.3秒

---

（这是在修改函数以同时对所有字节进行操作之后）-如我在初稿中所述，加速1500倍。

尝试使用模块解析字节序列。您还可以从

cropInt

函数中删除

maxValue

和

minValue

计算，以提高其速度。不幸的是，每个字节数组的长度可能不同，因此我每次都需要对其进行计数（但由于它们的长度基本相同，我可以为计算构建短期内存）.在快速

timeit

会话中，大部分时间用于

int.From_bytes（）

和

int.to_bytes（）

，这将很难使fasterDid更高效？是的，抱歉。Post及其标题编辑尝试使用模块解析字节序列。您还可以从

cropInt

函数中删除

maxValue

和

minValue

计算，以提高其速度。不幸的是，每个字节数组的长度可能不同，因此我每次都需要对其进行计数（但由于它们的长度基本相同，我可以为计算构建短期内存）.在快速

timeit

会话中，大部分时间用于

int.From_bytes（）

和

int.to_bytes（）

，这将很难使fasterDid更高效？是的，抱歉。邮递