numpy.float128的内部精度是多less？
numpy.float128映射到内部有什么精度？ 是__float128还是长双？ （或其他完全！？）
一个潜在的问题，如果有人知道：在C中安全__float128一个（16字节）长的双重，只是在精度上的损失？ （这是为了与长时间运行的C库进行交互）。
编辑：为了回应评论，平台是“Linux-3.0.0-14-generic-x86_64-with-Ubuntu-11.10-oneiric”。 现在，如果numpy.float128依赖于平台具有不同的精度，这对我来说也是有用的知识！
只是要清楚，这是我感兴趣的精度 ，而不是元素的大小。
推荐使用longdouble而不是float128 ，因为它非常混乱 ，ATM。 Python在初始化时会将其转换为float64。
内部numpy，它可以是一个双倍或长双。 它在npy_common.h中定义，取决于你的平台。 我不知道你是否可以把它包括在你的源代码中。
如果你不需要在algorithm的这个部分中使用性能，那么一个更安全的方法就是将它导出到一个string，然后再使用strold 。
numpy.longdouble引用你的C编译器调用的任何types。 目前，这是numpy支持的唯一扩展精度浮点types。
在x86-32和x86-64上，这是一个80位浮点types 。 在更奇特的系统上，它可能是别的东西（Sparc上的IIRC是一个实际的128位IEEE浮点数，在PPC上是双倍的 ）。 （这也可能取决于你使用的操作系统和编译器 – 例如Windows上的MSVC根本不支持任何types的扩展精度。）
Numpy还会导出一些名称，如numpy.float96或numpy.float128 。 这些名字中的哪一个被导出取决于你的平台/编译器，但无论你得到的是什么，总是指向与longdouble相同的基础types。 而且，这些名字也是非常具有误导性的。 它们不表示96位或128位IEEE浮点格式。 相反，它们表示底层long doubletypes使用的alignment位数。 所以，例如在x86-32上， long double是80位，但是为了保持32位alignment，填充到96位，numpy调用这个float96 。 在x86-64上， long double又是相同的80位types，但是现在它被填充到128位以保持64位alignment，并且numpy调用这个float128 。 没有额外的精度，只是额外的填充。
build议：忽略float96 / float128名称，只需使用numpy.longdouble 。 或者更好，但坚持双打，除非你有一个真正令人信服的理由。 他们会更快，更便携，等等
