优化从python将ctypes浮点数组作为字节流写入文件的过程

我目前处理将数据写入文件的方式确实存在一个小问题。 数据存储为ctypes指针，指向已知大小（超过1亿）的浮点数组。 该文件本身应该是一个原始文件，其中包含一定数量的头信息以及上述卷数据的unsigned int表示形式

我目前所做的（打开文件并写入标题信息后）是：

体素数据是一个ctypes结构，在变量“dataset_p”中包含一个ctypes浮点数组指针（以及其他数据）。这是我需要存储为无符号整数字节的数据

虽然我当前的实现只在find中工作，但它非常慢，保存文件不应该像这样慢

在循环之前，我已经尝试过批量完成从float到uint的整个转换，但我似乎无法再让它与c_uint8转换一起工作，而是抛出了一个TypeError（“只有lenght-1数组可以转换为Python标量”）

---

感谢您提供的任何帮助。如果有什么不清楚的地方，请毫不犹豫地询问。

这是Python 2还是Python 3？您有可用的NumPy吗？在第一次转换并将组或块存储在数组中之后，您可以一次写入多个（1K-4K）像素来提高性能，可能会提高很多。@eryksun:这是Python 3，我可以访问NumPy。马蒂诺：我会试试这个，但为什么它会提高性能，因为每个像素上执行的单个操作数量相同？写函数有这么慢（开销这么大）？试试

f.write（（255*numpy.frombuffer（texVolume.dataset\u p[0]，dtype='float32'））.astype（'uint8'））

。还可以考虑通过使用一个更大的缓冲区文件，通过<代码>缓冲＝65536 < /代码>到<代码>打开< /代码>函数。这比默认的缓冲区大小大8到16倍。从quick time.time（）测试：original:84.4s buffer:84.1s numpy:0.6s np+buf:0.57这是Python 2还是Python 3？您有可用的NumPy吗？在第一次转换并将组或块存储在数组中之后，您可以一次写入多个（1K-4K）像素来提高性能，可能会提高很多。@eryksun:这是Python 3，我可以访问NumPy。马蒂诺：我会试试这个，但为什么它会提高性能，因为每个像素上执行的单个操作数量相同？写函数有这么慢（开销这么大）？试试

f.write（（255*numpy.frombuffer（texVolume.dataset\u p[0]，dtype='float32'））.astype（'uint8'））

。还可以考虑通过使用一个更大的缓冲区文件，通过<代码>缓冲＝65536 < /代码>到<代码>打开< /代码>函数。这比默认的缓冲区大小大8到16倍。通过快速计时。time（）测试：原始：84.4s缓冲区：84.1s numpy:0.6s np+buf:0.57s

texVolume = voxelData.from_address(ptr.as_pointer())
for pixel in texVolume.dataset_p.contents:
    f.write(c_uint8(int(pixel*255)))
f.close()