Python解析二进制数据时嵌套循环的优化
我必须解析一些以十六进制小数表示的二进制文本，例如下面代码中的十六进制字节。在这个例子中，有32个变量和3个点，这意味着我有32个变量重复了3次。 hex_bytes包含32个变量的值，一次、二次、三次。 问题是，我需要将第一个变量转换为双精度（8字节），将所有其他变量转换为单精度（4字节） 我制作了一个数组（32列和3行），我只填充了第一列，其中包含双精度转换值，其他所有列都使用单个精度值 我有一个嵌套循环，它可以工作，但我想知道有没有比嵌套循环更快的解决方案？我尝试了一个lambda（）函数，也尝试了zip（），但我无法在代码中正确实现它们。我在实现8或16的增量时遇到问题 代码如下：Python解析二进制数据时嵌套循环的优化,python,parsing,optimization,nested-loops,binary-data,Python,Parsing,Optimization,Nested Loops,Binary Data,我必须解析一些以十六进制小数表示的二进制文本，例如下面代码中的十六进制字节。在这个例子中，有32个变量和3个点，这意味着我有32个变量重复了3次。 hex_bytes包含32个变量的值，一次、二次、三次。 问题是，我需要将第一个变量转换为双精度（8字节），将所有其他变量转换为单精度（4字节） 我制作了一个数组（32列和3行），我只填充了第一列，其中包含双精度转换值，其他所有列都使用单个精度值 我有一个嵌套循环，它可以工作，但我想知道有没有比嵌套循环更快的解决方案？我尝试了一个lambda（）函数
import binascii
from struct import *
import numpy as np
hex_bytes = b'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'
NoPoints = 3
NoVariables = 32
Values = np.zeros((NoPoints,NoVariables))
BinaryStart = 0
for NoPt in range(NoPoints):
for NoVar in range(NoVariables):
if NoVar == 0:
Values[NoPt,NoVar], = unpack('d', binascii.a2b_hex(hex_bytes[BinaryStart:BinaryStart+16]))
BinaryStart +=16
else:
Values[NoPt,NoVar], = unpack('f', binascii.a2b_hex(hex_bytes[BinaryStart:BinaryStart+8]))
BinaryStart += 8
Values = np.array(unpack('='+('d'+str(NoVariables-1)+'f')*NoPoints, binascii.a2b_hex(hex_bytes)))\
.reshape((NoPoints, NoVariables))
格式字符串的第一个字符
=fd