Python浮点精度浮点

我需要实现一个动态规划算法来及时解决旅行商问题，这比计算点之间距离的蛮力搜索要好。为此，我需要按大小对子问题进行索引，每个子问题的值将是一个浮点值（巡更的长度）。然而，如果我使用python浮点（实际上具有双精度），那么在内存中保存数组将需要大约6gbram，因此为了尝试将该数量减半（我只有4gbram），我将需要使用单精度浮点。但是，我不知道如何在Python中获得单精度浮点（我使用的是Python 3）。有人能告诉我在哪里可以找到它们吗（我在网上找不到太多）。谢谢

---

编辑：我注意到numpy还有一个float16类型，它可以节省更多内存。点之间的距离约为10000，有25个唯一点，我的答案需要是最接近的整数。float16是否提供足够的精度，还是我需要使用float32？

您可以从

ctypes

标准库中尝试

c\u float

类型。或者，如果您能够安装其他软件包，您可以尝试

numpy

软件包。它包括

float32

类型。

作为第一步，您应该使用数组来存储数据，而不是Python列表

正如您正确观察到的，Python浮点在内部使用双精度，Python浮点的双精度值可以用8个字节表示。但是在64位机器上，使用Python的CPython引用实现，Python

float

对象占用了整整24个字节的内存：8个字节用于底层双精度值，8个字节用于指向对象类型的指针，8个字节用于引用计数（用于垃圾收集）。Python中没有Java的“基元”类型或.NET的“值”类型的等价物——所有内容都是装箱的。这使得语言语义更简单，但意味着对象往往更胖

现在，如果我们要创建一个包含

float

对象的Python列表，那么列表本身会增加额外的开销：每个Python

float

都有一个8字节的对象指针（这里仍然假设为64位机器）。因此，一般来说，一个

n

Python

float

对象列表将花费超过

32n

字节的内存。在32位机器上，情况稍微好一点，但不是很多：我们的

float

对象将每个占用16个字节，对于列表指针，我们将使用

20n

字节的内存来创建长度

n

的

float

s列表。（注意：如果列表引用来自多个列表索引的同一Python

float

对象，则此分析不太有效，但这种情况并不常见。）

相比之下，由

n

双精度浮点组成的NumPy数组（使用NumPy的

float64

dtype）将其数据以“压缩”格式存储在

8n

字节的单个数据块中，因此考虑到数组元数据，总内存需求将略高于

8n

字节

---

结论：只要从Python列表切换到NumPy数组，您的内存需求就会减少大约4倍。如果这还不够，那么考虑从双精度到单精度降低精度可能是有意义的（NumPy的<代码> FLUAT32 dType），如果这符合您的精度需求。NumPy的

float16

datatype每个float只需要2个字节，但只记录大约3位小数精度；我怀疑它对于您描述的应用程序几乎毫无用处。

我已经安装了numpy（它随我安装的python发行版一起提供），但从未使用过它。嗯，我想一切都是第一次！使用

c_float

弊大于利：一个

c_float

对象比一个普通的Python

float

要大得多。谢谢你提供的信息。“我的建议应该被交换，因为不管怎样，numpy将是我的第一选择。”@MarkDickinson。谢谢，这帮助我的内存使用率下降到略高于1GB，这意味着我的解决方案至少在空间方面是可行的。我在掌握numpy数组时遇到了一些麻烦，因为它的语法不同于python列表，但我学得很快！是的，肯定有一个学习曲线。然而，对于大数据，结果往往是值得的。