如何快速转换大体积二进制文件中float32的字节序？

我太懂你这种痛苦了——几百MB的二进制文件，逐4字节处理字节序，慢到让人忍不住想吐槽对吧？核心问题确实是频繁的小IO操作，磁盘读写的开销远远超过了字节序转换本身。咱们直接上能提速的解决方案：

纯Python优化版（无第三方依赖） #

这个方案通过批量读写+批量转换来减少IO次数，比逐字节处理快得多。你可以根据自己的内存情况调整每次处理的块大小：

import struct

def convert_big_to_little_float32(in_path, out_path, chunk_size=1024*1024):  # 默认每次处理1MB
    # 确保块大小是4的倍数（每个float32占4字节）
    chunk_size -= chunk_size % 4
    with open(in_path, 'rb') as infile, open(out_path, 'wb') as outfile:
        while True:
            # 批量读取数据块
            chunk = infile.read(chunk_size)
            if not chunk:
                break
            # 一次性解包所有大端float32
            float_count = len(chunk) // 4
            floats = struct.unpack('>' + 'f'*float_count, chunk)
            # 一次性打包为小端float32并写入
            out_data = struct.pack('<' + 'f'*float_count, *floats)
            outfile.write(out_data)

if __name__ == "__main__":
    convert_big_to_little_float32("infile_big_endian.raw", "outfile_little_endian.raw")

为什么这个更快？ #

• 原来的代码每次只读写4字节，磁盘要做几十万次IO操作；现在一次读1MB，IO次数直接降到原来的1/256。
• 批量解包/打包的开销远小于多次小操作的累计开销。

更高效的Numpy版本（推荐大文件） #

如果你的环境能安装Numpy，用这个版本速度会更快——Numpy的底层是C实现的，批量处理二进制数据的效率比纯Python高几个数量级：

import numpy as np

def convert_big_to_little_float32_numpy(in_path, out_path):
    # 直接读取大端float32数组（>f4表示大端单精度浮点数）
    big_endian_data = np.fromfile(in_path, dtype='>f4')
    # 转换为小端格式并写入文件
    big_endian_data.astype('<f4').tofile(out_path)

if __name__ == "__main__":
    convert_big_to_little_float32_numpy("infile_big_endian.raw", "outfile_little_endian.raw")

注意事项 #

• 如果你用Numpy版本，确保安装了Numpy：pip install numpy
• 块大小可以根据内存调整，比如把chunk_size改成2*1024*1024（2MB）甚至更大，只要不超过你的可用内存就行。
• 转换后的文件就可以直接用于WAV写入了，记得WAV文件还要加正确的文件头（采样率、声道数、位深等）。

内容的提问来源于stack exchange，提问作者Nils