numpy数据类型dtype转换实现_Python

这篇文章我们玩玩numpy的数值数据类型转换

导入numpy

				?

									>>> import numpy as np

一、随便玩玩

生成一个浮点数组

				?

									>>> a = np.random.random(4)

看看信息

				?

									>>> a

									array([ 0.0945377 ,  0.52199916,  0.62490646,  0.21260126])

									>>> a.dtype

									dtype('float64')

									>>> a.shape

									(4,)

改变dtype，发现数组长度翻倍！

				?

									>>> a.dtype = 'float32'

									>>> a

									array([  3.65532693e+20,   1.43907535e+00,  -3.31994873e-25,

									         1.75549972e+00,  -2.75686653e+14,   1.78122652e+00,

									        -1.03207532e-19,   1.58760118e+00], dtype=float32)

									>>> a.shape

									(8,)

改变dtype，数组长度再次翻倍！

				?

									>>> a.dtype = 'float16'

									>>> a

									array([ -9.58442688e-05,   7.19000000e+02,   2.38159180e-01,

									         1.92968750e+00,              nan,  -1.66034698e-03,

									        -2.63427734e-01,   1.96875000e+00,  -1.07519531e+00,

									        -1.19625000e+02,              nan,   1.97167969e+00,

									        -1.60156250e-01,  -7.76290894e-03,   4.07226562e-01,

									         1.94824219e+00], dtype=float16)

									>>> a.shape

									(16,)

改变dtype='float'，发现默认就是float64，长度也变回最初的4

				?

									>>> a.dtype = 'float'

									>>> a

									array([ 0.0945377 ,  0.52199916,  0.62490646,  0.21260126])

									>>> a.shape

									(4,)

									>>> a.dtype

									dtype('float64')

把a变为整数，观察其信息

				?

									>>> a.dtype = 'int64'

									>>> a

									array([4591476579734816328, 4602876970018897584, 4603803876586077261,

									       4596827787908854048], dtype=int64)

									>>> a.shape

									(4,)

改变dtype，发现数组长度翻倍！

				?

									>>> a.dtype = 'int32'

									>>> a

									array([ 1637779016,  1069036447, -1764917584,  1071690807,  -679822259,

									        1071906619, -1611419360,  1070282372])

									>>> a.shape

									(8,)

改变dtype，发现数组长度再次翻倍！

				?

									>>> a.dtype = 'int16'

									>>> a

									array([-31160,  24990,  13215,  16312,  32432, -26931, -19401,  16352,

									       -17331, -10374,   -197,  16355, -20192, -24589,  13956,  16331], dtype=int16)

									>>> a.shape

									(16,)

改变dtype，发现数组长度再次翻倍！

				?

									>>> a.dtype = 'int8'

									>>> a

									array([  72, -122,  -98,   97,  -97,   51,  -72,   63,  -80,  126,  -51,

									       -106,   55,  -76,  -32,   63,   77,  -68,  122,  -41,   59,   -1,

									        -29,   63,   32,  -79,  -13,  -97, -124,   54,  -53,   63], dtype=int8)

									>>> a.shape

									(32,)

改变dtype，发现整数默认int32！

				?

									>>> a.dtype = 'int'

									>>> a.dtype

									dtype('int32')

									>>> a

									array([ 1637779016,  1069036447, -1764917584,  1071690807,  -679822259,

									        1071906619, -1611419360,  1070282372])

									>>> a.shape

									(8,)

二、换一种玩法

很多时候我们用numpy从文本文件读取数据作为numpy的数组，默认的dtype是float64。
但是有些场合我们希望有些数据列作为整数。如果直接改dtype='int'的话，就会出错！原因如上，数组长度翻倍了！！！

下面的场景假设我们得到了导入的数据。我们的本意是希望它们是整数，但实际上是却是浮点数(float64)

				?

									>>> b = np.array([1., 2., 3., 4.])

									>>> b.dtype

									dtype('float64')

用 astype(int) 得到整数，并且不改变数组长度

				?

									>>> c = b.astype(int)

									>>> c

									array([1, 2, 3, 4])

									>>> c.shape

									(8,)

									>>> c.dtype

									dtype('int32')

如果直接改变b的dtype的话，b的长度翻倍了，这不是我们想要的（当然如果你想的话）

				?

									>>> b

									array([ 1.,  2.,  3.,  4.])

									>>> b.dtype = 'int'

									>>> b.dtype

									dtype('int32')

									>>> b

									array([         0, 1072693248,          0, 1073741824,          0,

									       1074266112,          0, 1074790400])

									>>> b.shape

									(8,)