假设我有以下 np.uint8 数组:
In [9]: a = np.array([0x34, 0xF3, 0x87, 0x42]).astype(np.uint8)
In [10]: a
Out[10]: array([0x34, 0xf3, 0x87, 0x42], dtype=uint8)
现在，当我转换为 np.uint16 时，我得到以下信息:
In [11]: b = a.astype(np.uint16)
In [12]: b
Out[12]: array([0x34, 0xf3, 0x87, 0x42], dtype=uint16)
这是预期会发生的事情，但我想要别的东西。 例如，在 C 中，当您拥有类型为 uint8 (unsigned char) 的相同数组并且您想要访问它时，就好像它是一个包含 的数组一样uint16 (unsigned short) 元素:
unsigned char a[] = {0x34, 0xF3, 0x87, 0x42};
unsigned short* b = (unsigned short*)a;
这将给我，正如 C 所期望的那样:
0x34 0xF3 0x87 0x42 // for a
0xF334 0x4287 // for b, little or big endian, for me doesn't matter
现在我的问题是，如何在 Python 中执行此类操作？ (甚至可以在不创建新数组的情况下从一种类型转换为另一种类型吗？)
我可以像这样通过位移并将两个字节加在一起来创建一个新数组:
#! /usr/bin/python3
import numpy as np
np.set_printoptions(formatter={'int':hex})
# I assume, a has the len 2*n and b has the len n (for conversion from 2*n Bytes in n 2Bytes)
a = np.array([0x31, 0x41, 0x59, 0x26, 0x53, 0x58, 0x97, 0x93]).astype(np.uint8)
b = np.array([(a[2*i]<<8)+a[2*i+1] for i in range(0, len(a) // 2)]).astype(np.uint16)
print("a: {}".format(a)) # a: [0x31 0x41 0x59 0x26 0x53 0x58 0x97 0x93]
print("b: {}".format(b)) # b: [0x3141 0x5926 0x5358 0x9793]
我需要这个用于非常大的数组(或多或少)，所以我想知道这是否可以在 Python 中更有效地完成。
请您参考如下方法:
b = a.view(np.uint16)
这是一个危险且容易出错的操作。请记住您在 C++ 中应该牢记的所有相同注意事项，例如字节顺序。您还需要担心其他注意事项，例如不连续的数组内存布局。至少严格的别名是别人的问题；该实现可能违反了 C 严格的别名规则，但希望他们正在设置编译器标志或其他东西以获得定义的行为。 (uint8 是 unsigned char，因此不适用严格的别名，但 ndarray.view 也允许 uint64->float64 重新解释。)
