Python浮点精度浮点

Question

我需要实现一个动态规划算法，以解决旅行推销员问题的时间，比布鲁特力搜索计算之间的距离。为此，我需要按大小对子问题进行索引，每个子问题的值将是一个浮动(巡演的长度)。但是，如果我使用python浮点数(实际上具有双精度)，将数组保存在内存中将需要大约6GB的RAM，因此要尝试将该数量减半(我只有4GB RAM)，我将需要使用单精度浮点数。但是，我不知道如何在Python中获得单个精确浮动(我正在使用Python 3)。谁能告诉我在哪里能找到他们(我在网上找不到多少)。谢谢。

编辑：我注意到numpy也有一个float16类型，这将允许更多的内存节省。点之间的距离约为10000，有25个唯一的点，我的答案是最接近的整数。float16会提供更高的准确性吗?还是我需要使用float32？

Answer 1

作为第一步，您应该使用NumPy数组来存储数据，而不是使用Python。

正如您正确地观察到的，Python在内部使用双精度，而Python浮点数的双精度值可以用8个字节表示。但是在64位计算机上，使用CPython的float引用实现，Python float对象需要整整24个字节的内存:底层双精度值为8字节，指向对象类型的指针为8字节，引用计数为8字节(用于垃圾收集)。Python中没有与Java的“原语”类型或.NET的“值”类型相当的东西--所有东西都是装箱的。这使得语言语义更简单，但也意味着对象更胖。

现在，如果我们要创建一个包含float对象的Python，则会增加列表本身的开销:每个Python float有一个8字节的对象指针(这里仍然假设有64位的机器)。因此，一般来说，n Python float对象的列表将花费32n字节的内存。在32位机器上，情况要好一些，但并不多:我们的float对象将每个占用16个字节，而对于列表指针，我们将使用20n字节的内存作为长度为n的float的列表。(请注意:如果列表引用来自多个列表索引的同一个Python对象，则这种分析不太有效，但这不是一个特别常见的情况。)

相反，NumPy数组的n双精度浮点数(使用NumPy的float64 dtype)将其数据以“打包”格式存储在8n字节的单个数据块中，因此允许数组元数据的总内存需求略高于8n字节。

结论:只要从Python切换到NumPy数组，您的内存需求就会减少大约4倍。如果这还不够，那么考虑将精度从双精度降低到单一精度(NumPy的float32 dtype)可能是有意义的，如果这与您的精度需求一致的话。NumPy的float16数据类型每个浮动只需要2个字节，但是只记录了大约3位小数位的精度；我怀疑它对您描述的应用程序几乎毫无用处。

Answer 2

您可以从c_float标准库中尝试ctypes类型。或者，如果您能够安装其他软件包，则可以尝试numpy包。它包括float32类型。