本文所用環境：

Python 3.6.5 |Anaconda custom (64-bit)|

引言

由于某些原因，需要用python讀取二進制文件，這里主要用到struct包，而這個包里面的方法主要是unpack、pack、calcsize。詳細介紹可以看：Python Struct 官方文檔。這里主要討論，python二進制轉浮點數的操作。

python中一個float類型的數占4個字節。

二進制數據轉float，可以用struct.unpack()來實現。

小文件讀取

較小的文件，可以一次讀取：

首先導入所需的包：

            
import numpy as np
import struct
Python
          

例如：我需要讀取一個名為filename，存放著形狀為[100,1025]的浮點數的文件。可以采用以下辦法

            
# 加載測試數據
f = open('filename','rb')
# 102500為文檔中包含的數字個數，而一個浮點數占4個字節
data_raw = struct.unpack('f'*102500,f.read(4*102500))
f.close()
verify_data = np.asarray(verify_data_raw).reshape(-1,1025)
          

大文件處理方法

我需要處理的文件大小有38.1G，存放著[10000000,1025]大小的向量。

關于大文件的處理，我參考了這文章，但是，這個方法不能很好的將二進制文件轉換成浮點數。

所以我想到了另外一種辦法：

通過Linux命令切割文件

通過split命令將38.1G的文件按照指定大小切割，

            
split -b 820000k -a 2 filename data_ 
          

上述代碼的意思是，指定每塊大小為820000k，-a 2代表2位數命名，‘data_'代表前綴是'data_'

最終生成49個文件(字典序 aa ?C bw)，前48個文件每個204800行 最后一個文件 169600行

通過python循環讀取文件

首先構建詞匯表：

            
voc = ['a','b','c','d','e','f','g','h','i','j','k','l',
'm','n','o','p','q','r','s','t','u','v','w','x',
'y','z']
voc_short = ['a','b','c','d','e','f','g','h','i','j','k','l',
'm','n','o','p','q','r','s','t','u','v']
          

為了方便讀取，將49個二進制文件轉換成numpy專用二進制格式*.npy

            
for i in voc:
data_name = 'data_a'+str(i)
f = open(data_name,'rb')
data_raw = struct.unpack('f'*209920000,f.read(4*209920000))
f.close()
data = np.asarray(data_raw).reshape(-1,1025)
np.save(data_name+'.npy',data) # 保存data_a*.npy文件
for i in voc_short:
data_name = 'data_b'+str(i)
f = open(data_name,'rb')
data_raw = struct.unpack('f'*209920000,f.read(4*209920000))
f.close()
data = np.asarray(data_raw).reshape(-1,1025)
np.save(data_name+'.npy',data) # 保存data_b*.npy文件
data_name = 'data_bw'
f = open(data_name,'rb')
data_raw = struct.unpack('f'*173840000,f.read(4*173840000))
np.save(data_name+'.npy',data_raw) # 保存data_bw.npy文件
          

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。