NumPy数组的就地类型转换
NumPy数组的就地类型转换
提问于 2010-12-09 00:01:47
给定int32的NumPy数组，如何将其转换为float32 in place？所以基本上，我想做的是
a = a.astype(numpy.float32)而不复制数组。它很大。
这样做的原因是我有两种算法来计算a。其中一个返回int32数组，另一个返回float32数组(这是两种不同算法所固有的)。所有进一步的计算都假设a是一个float32数组。
目前，我在一个名为ctypes的C函数中进行转换。有没有办法在Python中做到这一点？
回答 7
Stack Overflow用户
回答已采纳
发布于 2010-12-09 16:31:04
可以创建具有不同数据类型的视图，然后将其在位复制到视图中：
import numpy as np
x = np.arange(10, dtype='int32')
y = x.view('float32')
y[:] = x
print(y)收益率
array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.], dtype=float32)要显示转换已就地进行，请注意，从x复制到y会更改x
print(x)打印
array([ 0, 1065353216, 1073741824, 1077936128, 1082130432,
1084227584, 1086324736, 1088421888, 1090519040, 1091567616])Stack Overflow用户
发布于 2012-05-17 00:29:42
更新:此函数仅在可能的情况下避免复制，因此这不是此问题的正确答案。unutbu's answer是正确的选择。
a = a.astype(numpy.float32, copy=False)numpy astype有一个复制标志。为什么我们不能使用它呢？
Stack Overflow用户
发布于 2010-12-09 00:59:50
您可以更改数组类型而不进行转换，如下所示：
a.dtype = numpy.float32但首先，您必须将所有整数更改为将被解释为相应的浮点数的值。一种非常慢的方法是使用python的struct模块，如下所示：
def toi(i):
return struct.unpack('i',struct.pack('f',float(i)))[0]...applied到数组中的每个成员。
但也许更快的方法是使用numpy的ctypeslib工具(我不熟悉)。
编辑- -
由于ctypeslib似乎不起作用，那么我将继续使用典型的numpy.astype方法进行转换，但在内存限制内继续进行块大小的转换：
a[0:10000] = a[0:10000].astype('float32').view('int32')...then完成后更改数据类型。
下面是一个函数，它可以完成任何兼容数据类型的任务(只适用于具有相同大小项的数据类型)，并通过用户控制块大小来处理任意形状的数组：
import numpy
def astype_inplace(a, dtype, blocksize=10000):
oldtype = a.dtype
newtype = numpy.dtype(dtype)
assert oldtype.itemsize is newtype.itemsize
for idx in xrange(0, a.size, blocksize):
a.flat[idx:idx + blocksize] = \
a.flat[idx:idx + blocksize].astype(newtype).view(oldtype)
a.dtype = newtype
a = numpy.random.randint(100,size=100).reshape((10,10))
print a
astype_inplace(a, 'float32')
print a页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/4389517
复制相关文章
相似问题