python - python中的Matlab numerictype/reinterpretcast等价物？

Question

在 Matlab 中有一个命令来定义一个新的数字类型，例如:

numerictype(0,16,8) 

参见文档: https://www.mathworks.com/help/fixedpoint/ref/embedded.numerictype.html
numpy 或其他库中是否有等价物？我可以使用类似的命令创建自己的 dtype 吗？

编辑:
由于我被要求提供更多信息，这里是关于定点数字类型在 matlab 中如何工作的引用: https://www.mathworks.com/help/dsp/ug/concepts-and-terminology.html基本上你设置有符号/无符号性质，然后一个单词应该与分数长度一起有多长。因此，例如在我给您的示例中，将有一个带符号的数字，字长为 16，小数长度为 10。
从我读到的关于结构化数组的内容来看，类似的表示可能是这样的:

dtype=[('signed', np.bool_), ('word', np.int16), ('frac', np.int16)]) 

我的最终目标是实现三个独立的 reinterpertcast 语句，即:

reinterpretcast(EVMacq,numerictype(0,16,8))
reinterpretcast(Payload16c,numerictype(1,16,16))
reinterpretcast(Payload32,numerictype(1,32,32))

如果有一种方法可以更简单地做到这些，我非常乐意以不同的方式做到这一点。
这是我在评论中添加的信息的转录:
mathworks.com/help/fixedpoint/ref/reinterpretcast.html 这里是来自 matlab 的 reinterpretcast 的文档。本质上，您传入一个整数或一个定点数，该函数将移动小数点。这使得即使二进制数据没有改变变量的数值也是不同的。
有时，您可以通过正常除法对某些范围的数字实现类似的效果，但这并非万无一失，并且是一种不受欢迎的解决方案。
我也许可以自己写一些可以做到这一点的东西，但如果有人比我更聪明已经做到了，我会更喜欢它。考虑到大多数 matlab 功能都包含在 numpy 中，我认为这也是如此。结构化数组可能是一个不错的选择，但我不确定对它们进行转换的确切方式。

编辑:
我现在意识到，如果有人能告诉我如何做与这个 Actor 完全相同的事情，我真的只想磨练一个命令，我会非常高兴，因为我仍然无法弄清楚。速度不是问题，它只需要运行即可。
这是命令: reinterpretcast(Payload16c,numerictype(1,16,16))其中 Payload16c 是由 np.complex(real,imag) 定义的复数数组.先感谢您。
我尝试了这样的事情，但没有奏效，但可能在正确的轨道上。我似乎偏离了 MatLab 中发生的一些比例因子，但每次都不相同的比例因子:

    i = 0
    result = []

    #first generate a binary number that is a one in the highest spot and zero elsewhere
    comp = 2**wordlength
    #next iterate through entire array
    while i < array.size:

        #check to see if the value of the item is near the largest value it can be
        #if so its likely that it is just negative and thats why that bit is high
        if(array[i:i+1] < ((2**fracbits)-1000)):
            #if it is not near the largest number simply convert divide to move decimal place
            real = array[i:i+1] * (2**-fracbits) 
        else:
            #else we subtract comp so that we get the negative number this binary string was supposed to represent.
            # print(np.binary_repr(np.uint16(array[i:i+1])))
            real = double(array[i:i+1]) - comp 

            #then we divide it to move the decimal point properly
            real = real * (2**-fracbits)

        #same for the next number in the array which is the imaginary component
        if(array[i+1:i+2] < ((2**fracbits)-2000)):
            imag = array[i+1:i+2] * (2**-fracbits)
        else:
            imag = double(array[i+1:i+2]) - comp
            imag = imag * (2**-fracbits)

        result.append(np.complex(real,imag))
        i+=2
    return result

Answer 1

从 Python 程序员的角度来看，真正深入研究数据类型与 Python 本身的性质背道而驰。 python is dynamically typed ，这意味着缺乏效率，但易于编程。为了解决这个问题，many popular libraries are written in c ，因此您可能需要查看类似 numpy 的库得到你的打字修复。 Here is an example of setting datatypes in numpy .但据我所知，这些仅适用于预定义的 c 类型
理论上，您可以定义一个特殊的类来包含您的数据，实现 __add__ , __subtract__ ，以及任何其他必要的关键功能。但是，由于 python 是动态类型的，这实际上可能具有有限的返回。
另一种选择可能是 Cython ，它允许你在 python 中定义 C 类型，但是如果你只是想要一个快速的函数来定义一个类型，那么 Python 的底层本质正在与你作对。