如何提取较大的数字Numpy数据类型的位

Question

Numpy具有库函数np.unpackbits，该函数将uint8解压缩为长度为8的位向量。是否有相应的快速方法来解压缩较大的数值类型？例如。 uint16或uint32。我正在研究一个涉及数字间频繁转换，数组索引和位矢量表示的问题，瓶颈是我们的包和解包函数。

Answer 1

你可以用view做到这一点，unpackbits

输入：

unpackbits(arange(2, dtype=uint16).view(uint8)) 

输出：

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0] 

对于a = arange(int(1e6), dtype=uint16)这是相当快的，在我的机器

在大约7毫秒

%%timeit 
unpackbits(a.view(uint8)) 

100 loops, best of 3: 7.03 ms per loop 

至于字节顺序，您必须查看http://docs.scipy.org/doc/numpy/user/basics.byteswapping.html并根据您的需要应用建议。

Answer 2

我还没有找到任何函数，但也许使用Python的内置struct.unpack可以帮助使自定义函数比移动和更长的uint更快（请注意，我使用的是uint64）。

>>> import struct 
>>> N = np.uint64(2 + 2**10 + 2**18 + 2**26) 
>>> struct.unpack('>BBBBBBBB', N) 
(2, 4, 4, 4, 0, 0, 0, 0) 

想法是将这些转换为uint8，使用unpackbits，连接结果。或者，根据您的应用程序，使用structured arrays可能会更方便。

还有内置的bin（）函数，它产生0和1的字符串，但我不知道它有多快，它也需要后处理。

Answer 3

这适用于任意uint的任意数组（即也适用于多维数组，也适用于大于uint8最大值的数字）。

它循环遍历的位数，而不是数组元素的数量，所以它相当快。

def my_ManyParallel_uint2bits(in_intAr,Nbits): 
    ''' convert (numpyarray of uint => array of Nbits bits) for many bits in parallel''' 
    inSize_T= in_intAr.shape 
    in_intAr_flat=in_intAr.flatten() 
    out_NbitAr= numpy.zeros((len(in_intAr_flat),Nbits)) 
    for iBits in xrange(Nbits): 
     out_NbitAr[:,iBits]= (in_intAr_flat>>iBits)&1 
    out_NbitAr= out_NbitAr.reshape(inSize_T+(Nbits,)) 
    return out_NbitAr 

A=numpy.arange(256,261).astype('uint16') 
# array([256, 257, 258, 259, 260], dtype=uint16) 
B=my_ManyParallel_uint2bits(A,16).astype('uint16') 
# array([[0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0], 
#  [1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0], 
#  [0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0], 
#  [1, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0], 
#  [0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0]], dtype=uint16)