本篇内容主要讲解“numpy强制类型转换的问题怎么解决”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“numpy强制类型转换的问题怎么解决”吧!
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 npA = np.array([1,2,3,4,5,6,7,8,9]) A[0]=3.2print(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]: arrOut[12]: array([1, 2, 3, 4, 5])// 该命令查看数据类型In [13]: arr.dtypeOut[13]: dtype('int64')In [14]: float_arr = arr.astype(np.float64)// 该命令查看数据类型In [15]: float_arr.dtypeOut[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]: arr2Out[8]: array([ 1.1 , 2.2 , 3.3 , 4.4 , 5.3221])// 查看当前数据类型In [9]: arr2.dtypeOut[9]: dtype('float64')// 转换数据类型 float -> intIn [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_stringsOut[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])
到此,相信大家对“numpy强制类型转换的问题怎么解决”有了更深的了解,不妨来实际操作一番吧!这里是编程网网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!