numpy强制类型转换
今天用numpy遇到一个关于类型转换的问题，
import numpy as np A = np.array([1,2,3,4,5,6,7,8,9]) ?? A[0]=3.2 print(A) # [3 2 3 4 5 6 7 8 9]
可以发现A[0]=3.2,被强制转换成整型3了。发生的原因是A的类型是np.int，赋值浮点数，会自动转为整型。
这样的问题一旦出现很难发现，在写成程序时要提前想好要用的np类型。
补充，两个整型np.array做运算时，会根据运算自动转换类型。
A = np.array([1,2,3,4,5,6,7,8,9]) B = np.array([2,3,4,5,6,7,8,9,10]) print(A/B) # [0.5 ? ?0.66666667 ? ?0.75 ? ?0.8 ? ? 0.83333333 ? ? ? 0.85714286 ? 0.875 ? ? ?0.88888889 ? ?0.9 ]
numpy类型强制转换api
有时候我们从文件读取的numpy类型就不是我们想要的，需要强制转换
A = np.array([1,2,3,4,5,6,7,8,9]) ?
A.dtype = 'float' ? # 不能为dtype赋予类型，数据会出错
A.astype('float') ?# 正确做法
numpy数据类型转换astype,dtype
1.查看数据类型
In [11]: arr = np.array([1,2,3,4,5])
In [12]: arr
Out[12]: array([1, 2, 3, 4, 5])
// 该命令查看数据类型
In [13]: arr.dtype
Out[13]: dtype('int64')
In [14]: float_arr = arr.astype(np.float64)
// 该命令查看数据类型
In [15]: float_arr.dtype
Out[15]: dtype('float64')
2.转换数据类型
// 如果将浮点数转换为整数，则小数部分会被截断
In [7]: arr2 = np.array([1.1, 2.2, 3.3, 4.4, 5.3221])
In [8]: arr2
Out[8]: array([ 1.1 ? , ?2.2 ? , ?3.3 ? , ?4.4 ? , ?5.3221])
// 查看当前数据类型
In [9]: arr2.dtype
Out[9]: dtype('float64')
// 转换数据类型 ?float -> int
In [10]: arr2.astype(np.int32)
Out[10]: array([1, 2, 3, 4, 5], dtype=int32)
3.字符串数组转换为数值型
In [4]: numeric_strings = np.array(['1.2','2.3','3.2141'], dtype=np.string_) In [5]: numeric_strings Out[5]: array(['1.2', '2.3', '3.2141'], dtype='|S6') // 此处写的是float 而不是np.float64, Numpy很聪明，会将python类型映射到等价的dtype上 In [6]: numeric_strings.astype(float) Out[6]: array([ 1.2, 2.3, 3.2141])
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。
查看更多关于关于numpy强制类型转换的问题的详细内容...
声明：本文来自网络，不代表【好得很程序员自学网】立场，转载请注明出处：http://haodehen.cn/did17092