如何在Numpy中将int8直接转换至预分配的float32内存缓冲区？

我尝试从文件中读取8-bit整数到numpy数组，并将其转换为32-bit浮点数。我非常需要将这些32-bit浮点数写入特定的内存缓冲区（我正在使用共享内存进行多进程处理）。我想知道是否有办法直接将类型转换到预分配的32-bit float缓冲区中，而无需创建临时数组。

比如我期望astype方法支持output参数，像这样：

num_samples = 100
raw_buffer = bytearray(num_samples)
with open(filepath, 'rb') as f:
    f.readinto(raw_buffer)
int_array = np.frombuffer(raw_buffer, dtype=np.int8)

float_buffer = bytearray(num_samples * 4)

int_array.astype(np.float32, out=float_buffer)

是否存在类似的实现方式？

可以通过以下方式实现直接转换并写入预分配缓冲区，避免临时数组开销：

方法一：包装目标缓冲区为numpy数组后直接赋值 #

先把预分配的float_buffer包装成float32类型的numpy数组，再直接完成类型转换写入：

import numpy as np

num_samples = 100
raw_buffer = bytearray(num_samples)
with open(filepath, 'rb') as f:
    f.readinto(raw_buffer)
int_array = np.frombuffer(raw_buffer, dtype=np.int8)

float_buffer = bytearray(num_samples * 4)
# 将bytearray包装为可写入的float32数组
float_array = np.frombuffer(float_buffer, dtype=np.float32, readonly=False)

# 直接转换并写入目标缓冲区，无额外临时数组
float_array[:] = int_array.astype(np.float32)

numpy会自动优化这个赋值操作，直接把转换结果写入目标内存区域，不会产生冗余的临时数组。

方法二：使用np.copyto显式写入 #

如果需要更明确的内存操作语义，可以用np.copyto：

np.copyto(float_array, int_array.astype(np.float32))

效果和直接赋值一致，适合需要显式控制内存写入逻辑的场景。

关键注意事项 #

• 必须保证float_buffer的大小足够：每个float32占4字节，所以缓冲区大小应为num_samples * 4字节
• 包装缓冲区时要设置readonly=False，否则numpy数组会处于只读状态，无法写入转换结果

内容的提问来源于stack exchange，提问作者Brian