Python/Numpy跨字节比特提取：从numpy.frombuffer数组获取指定范围比特位

位移+按位与的操作完全可以满足你的需求，是这类固定位宽比特提取场景的首选方案，逻辑简单且运行效率极高。

实现思路 #

1. 首先将8字节的numpy数组合并为一个64位的无符号整数，简化跨字节的位操作逻辑
2. 对合并后的整数做右移操作，将需要提取的比特段移到最低位
3. 用对应位宽的全1掩码做按位与，过滤掉其他位的内容，得到目标比特段的数值

注意事项 #

操作前需要先确认两个前提参数，避免结果出错：

• 比特位编号规则：默认我们按最低位（LSB）为第0位的规则计数，如果你的编号规则是最高位为第0位，需要调整位移量
• 原始数据字节序：如果你的数据是大端序（高位字节在前），转整数时需要指定对应的字节序参数

代码示例 #

方案1：纯Python位运算实现（兼容性最好） #

import numpy as np

# 模拟你通过numpy.frombuffer获取的8字节uint8数组
raw_buf = np.frombuffer(b'\x00\x01\x02\x03\x04\x05\x06\x07', dtype=np.uint8)

# 将数组转成64位整数，小端序填'little'，大端序填'big'
total_val = int.from_bytes(raw_buf.tobytes(), byteorder='little')

# 提取第10~19位（共10位，掩码0x3FF对应10个连续1）
val_10_to_19 = (total_val >> 10) & 0x3FF
# 提取第20~29位
val_20_to_29 = (total_val >> 20) & 0x3FF

方案2：numpy原生操作实现（适合批量处理大量数据） #

不需要转成Python原生int，直接用numpy的视图转换和位运算操作，批量处理时性能更高：

# 直接将uint8数组视图转换为uint64类型，字节序不匹配的话可以用.byteswap()调整
total_val_np = raw_buf.view(np.uint64)[0]

val_10_to_19 = (total_val_np >> 10) & 0x3FF
val_20_to_29 = (total_val_np >> 20) & 0x3FF

其他可选方案 #

如果有大量动态位宽的提取需求，可以使用第三方库bitstring简化操作，但对于你这个固定位宽的场景，原生位运算已经足够高效，不需要引入额外依赖。

内容的提问来源于stack exchange，提问作者Kevin