numpy.float128的内部精度是多少？
请问 numpy.float128 在内部是用什么精度的呢？是 __float128 还是长双精度（long double）？或者是完全不同的东西？
如果有人知道的话，还有一个后续问题：在C语言中，把 __float128 转换成（16字节的）长双精度是否安全，只会导致精度损失？（这是为了和一个处理长双精度的C库进行接口对接）。
补充说明：针对评论的回复，平台是 'Linux-3.0.0-14-generic-x86_64-with-Ubuntu-11.10-oneiric'。如果 numpy.float128 的精度因平台而异，那对我来说也是很有用的信息！
为了明确，我关心的是 精度，而不是元素的大小。
3 个回答
从 numpy 文档 的总结：
np.longdouble是根据系统的默认设置来填充的；而np.float96和np.float128是为了那些需要特定填充的用户提供的。尽管名字上看起来更高级，实际上np.float96和np.float128提供的精度和np.longdouble是一样的，也就是说，在大多数 x86 机器上是 80 位，在标准的 Windows 版本上是 64 位。
numpy.longdouble 是指你所使用的 C 编译器所称的 long double 类型。目前，numpy 只支持这种扩展精度的浮点数类型。
在 x86-32 和 x86-64 的系统上，这种类型是 80 位浮点数。在一些特殊的系统上，它可能会有所不同（如果我没记错的话，在 Sparc 系统上，它是实际的 128 位 IEEE 浮点数，而在 PPC 系统上则是 双双精度）。这也可能取决于你使用的操作系统和编译器，比如在 Windows 上的 MSVC 就根本不支持任何扩展精度。
Numpy 还会导出一些像 numpy.float96 或 numpy.float128 这样的名称。具体导出哪个名称取决于你的平台和编译器，但无论你得到的是哪个名称，它们都指的是与 longdouble 相同的底层类型。此外，这些名称可能会让人误解。它们 并不 表示 96 位或 128 位的 IEEE 浮点格式。相反，它们表示的是底层 long double 类型所使用的 对齐位数。举个例子，在 x86-32 上，long double 是 80 位，但为了保持 32 位对齐，会填充到 96 位，因此 numpy 称之为 float96。在 x86-64 上，long double 仍然是相同的 80 位类型，但这次会填充到 128 位以保持 64 位对齐，numpy 称之为 float128。这里并没有额外的精度，只是额外的填充。
建议：忽略 float96/float128 这些名称，直接使用 numpy.longdouble。或者更好的是，除非你有非常强烈的理由，否则最好还是使用双精度（doubles）。它们会更快，更具可移植性等等。
建议使用 longdouble 而不是 float128，因为现在 float128 的情况比较混乱。Python 在初始化时会把它转换成 float64。
在 numpy 里面，它可以是 double 或 long double。这些定义在 npy_common.h 里，具体取决于你的平台。我不确定你是否可以直接把它包含到你的源代码中。
如果你在算法的这一部分不需要特别高的性能，一个更安全的做法是把它导出为字符串，然后再使用 strold。