使用中间数组和frombuffer方法将一种数组类型“转换”为另一种：

>>> v = 1.5
>>> fa = np.array([v], dtype='float64')
>>> ua = np.frombuffer(fa, dtype='uint64')
>>> ua[0]
4609434218613702656      # 0x3ff8000000000000

由于frombuffer在原始缓冲区中创建了一个视图，因此即使对于重新解释大型数组中的数据也是有效的。

因此，您需要的是将内存中表示float64的8个字节视为一个整数。（将这个int64数字表示为十六进制字符串是另一回事——它只是它的表示）。

与stdlib的ctype捆绑在一起的结构和联合功能可能对您来说很好-不需要numpy。它有一个与C语言联合非常相似的Union类型，并允许您这样做：

>>> import ctypes
>>> class Conv(ctypes.Union):
...   _fields_ = [ ("float", ctypes.c_double), ("int", ctypes.c_uint64)]
... 
>>> c = Conv()
>>> c.float = 1.5
>>> print hex(c.int)
0x3ff8000000000000L

内置的“十六进制”函数是一种获取数字十六进制表示的方法。

您也可以使用struct模块：将数字打包为双精度字符串，并将其解压缩为int。我认为它的可读性和效率都低于使用ctype Union：

>>> inport struct
>>> hex(struct.unpack("<Q",  struct.pack("<d", 1.5))[0])
'0x3ff8000000000000'

但是，由于您使用的是numpy，您可以简单地更改数组类型，“动态”，并将所有数组操作为0副本的整数：

>>> import numpy
>>> x = numpy.array((1.5,), dtype=numpy.double)
>>> x[0]
1.5
>>> x.dtype=numpy.dtype("uint64")
>>> x[0]
4609434218613702656
>>> hex(x[0])
'0x3ff8000000000000L'

这是迄今为止最有效的方法，无论您获取float64数字的原始字节的目的是什么。