Python：将浮点字符串解压为复数

我对编码相当陌生，我从二进制文件中读取信号。数据定向为两个4字节浮点，组成一个复数，最多可重复1500个条目

我一直在使用for循环来提取数据并将复数附加到数组中

for x in range(dimX):
    for y in range(dimY):
        complexlist=[]
        #2 floats, each 4 bytes, is one complex number
        trace=stream.readBytes(8*dimZ)
        #Unpack as list of floats
        floatlist=struct.unpack("f"*2*dimZ,trace)
        for i in range(0,len(floatlist)-1,2):
            complexlist.append(complex(floatlist[i],floatlist[i+1]))        
        data[x][y]=np.array(complexlist)

---

dimX可能有数千个，DimY通常是是的，有。您可以跳过python复杂类型的步骤，因为在内部，numpy将

n

复数数组表示为

2n

浮点数组

以下是REPL中的一个简单示例，说明了其工作原理：

>>> import numpy as np
>>> a = np.array([1.,2.,3.,4.])
>>> a
array([ 1.,  2.,  3.,  4.])
>>> a.dtype
dtype('float64')
>>> a.dtype = complex
>>> a
array([ 1.+2.j,  3.+4.j])
>>> 

但是请注意，如果初始数组具有

dtype

而不是

float

，则这不起作用

>>> a = np.array([1,2,3,4])
>>> a
array([1, 2, 3, 4])
>>> a.dtype
dtype('int64')
>>> a.dtype = complex
>>> a
array([  4.94065646e-324 +9.88131292e-324j,
         1.48219694e-323 +1.97626258e-323j])
>>>

就你而言。您想要的数据类型是

np.dtype（'complex64'）

，因为每个复数都是64位（2*4*8）

这会让你的速度大大加快。下面是REPL中关于

numpy.frombuffer（）

如何工作的示例

>>> binary_string = struct.pack('2f', 1,2)
>>> binary_string
'\x00\x00\x80?\x00\x00\x00@'
>>> numpy.frombuffer(binary_string, dtype=np.dtype('complex64'))
array([ 1.+2.j], dtype=complex64)
>>> 

编辑：我不知道存在

numpy.frombuffer（）

。因此，我创建了一个字符数组，然后更改了数据类型以获得相同的效果。谢谢@wim

编辑2：

至于进一步的速度优化，使用列表理解而不是显式for循环可能会提高性能

for x in range(dimX):
    data[x] = [np.frombuffer(stream.readBytes(8*dimZ), dtype=np.dtype('complex64')) for y in range(dimY)]

还有一个层次：

data = [[np.frombuffer(stream.readBytes(8*dimZ), dtype=np.dtype('complex64'))
         for y in range(dimY)]
         for x in range(dimX)]

---

你一定要开始考虑numpy的C速度。可能是'numpy.frombuffer'，并使用numpy中的一个复杂数据类型，而不是python的复杂数据类型。最里面的循环可以通过理解和itertools展开。

data = [[np.frombuffer(stream.readBytes(8*dimZ), dtype=np.dtype('complex64'))
         for y in range(dimY)]
         for x in range(dimX)]