Python 存储'；结构'；将数据转换为二进制文件

我需要存储一个包含4个字段的12字节头的二进制文件。它们分别是：sSamples（4字节整数）、sSampPeriod（4字节整数）、sSampSize（2字节整数）和sParmKind（2字节整数）。 我正在使用“struct”将变量转换为所需的字段。现在我已经分别定义了它们，如何合并它们来存储“12字节头”

sSamples        = struct.pack('i', nSamples) # 4-bytes integer
sSampPeriod     = struct.pack('i', nSampPeriod) # 4-bytes integer
sSampSize       = struct.pack('H', nSampSize) # 2-bytes integer / unsigned short
sParmKind       = struct.pack('H', 9) # 2-bytes integer / unsigned short

---

此外，我还有一个维度为D的浮点数组（

numpy.ndarray

-float32）。如何将该向量存储在同一个二进制文件中，但在头之后

struct.pack

返回一个字符串，因此您可以通过字符串连接简单地组合字段：

header = sSamples + sSampPeriod + sSampSize + sParmKind
assert len( header ) == 12

---

正如Cody Brocious所写，您可以一次打包整个标题：

header = struct.pack('<iiHH', nSamples, nSampPeriod, nSampSize, nParmKind)

编辑：哎呀，数组格式并没有那么简单：）不过，总的想法是：使用您喜欢的任何方法将数组展平为一个数字列表，打包值的数量，然后打包每个值。另一方面，以平面列表的形式读取数组，然后对其施加所需的任何结构

编辑：将格式字符串更改为使用重复说明符，而不是字符串乘法。感谢约翰·梅辛指出这一点

---

编辑：添加了

numpy

代码，以便在打包前展平数组，并在解包后重建数组。

请注意，您可以一次打包多个值：struct.pack（'Hi'，foo，bar）。另外，你应该写一个“>”或“你好，谢谢你的建议！要将头文件存储到二进制文件，它类似于：binfile=open（'myfile.dat'，'wb'）binfile.write（头文件），然后，如何将'npVect'变量附加到'binfile'？这正是将值写入文件的正确方法。我不熟悉numpy，所以我会让其他人对此发表评论。

“+1很好的一点，我忘了你可以在里面放数字。但是，如果数组非常大，由于tuple对数组进行解包，您仍将向
pack
传递许多参数，并从中返回一个巨大的字符串。这两点都指向了如果性能受到足够的影响，就要找到替代
struct
的方法。大家好，我遵循的建议是：arrSize=len（arr）packed=struct.pack（'我的数组类型是np.ndarray of float。我需要从float转换为4字节数组。我不完全理解压缩值的数量然后再压缩每个值的建议。是不是这样的情况，我们没有np.narray，而是有一个普通的python列表，对吗？因此，如果是python列表，我必须迭代向量&然后调用：myElem=struct.pack（'f'，myFlattedArr[i]）binfile.write（myElem）？这就是你们所说的吗？谢谢，你们必须将数据数组转换成一维结构，比如列表或元组。但你们不必迭代向量；这就是格式字符串和
*arr
中的
%d
的作用。如果
arr
是17个浮点的列表，那么
struct.pack（'
flattened = npVect.ravel()  # get a 1-D array of numbers
arrSize = len(flattened)
# pack header, count of numbers, and numbers, all in one call
packed = struct.pack('<iiHHi%df' % arrSize,
    nSamples, nSampPeriod, nSampSize, nParmKind, arrSize, *flattened)

fmt = '<iiHHi'
nSamples, nSampPeriod, nSampSize, nParmKind, arrSize = struct.unpack(fmt, packed)
# Use unpack_from to start reading after the packed header and count
flattened = struct.unpack_from('<%df' % arrSize, packed, struct.calcsize(fmt))
npVect = np.ndarray(flattened, dtype='float32').reshape(# your dimensions go here
    )