我知道如何使用NumPy的np.fromfile()函数读取Python中的二进制文件。我遇到的问题是，当我这样做时，数组中出现了大约10^100数量级的极大数值，并且随机出现了nan和inf值。

我需要对这个数据集应用机器学习算法，但我无法处理这些数据。由于nan值的存在，我无法对数据集进行归一化处理。

我尝试过使用np.nan_to_num()，但似乎不起作用。处理后，我的最小值和最大值分别在3e-38和3e+38之间，因此无法进行归一化处理。

有什么方法可以缩小这些数据的规模吗？如果没有，我应该如何处理这个问题？

谢谢你。

编辑：

一些背景信息。我正在研究一个恶意软件分类问题。我的数据集由实时恶意软件二进制文件组成。这些文件的类型包括.exe、.apk等。我的想法是将这些二进制文件存储为NumPy数组，转换为灰度图像，然后对其进行模式分析。

回答：

如果你想从二进制文件中生成图像，你需要将其读取为整数，而不是浮点数。目前，图像最常用的格式是无符号8位整数。

例如，让我们从/bin/bash的前10,000字节中生成一张图像：

>>> import numpy as np>>> import cv2>>> xbash = np.fromfile('/bin/bash', dtype='uint8')>>> xbash.shape(1086744,)>>> cv2.imwrite('bash1.png', xbash[:10000].reshape(100,100))

在上面的例子中，我们使用了OpenCV库将整数写入PNG文件。也可以使用其他几种图像库来完成这个任务。

这是bash的前10,000字节“看起来”的样子：