這篇文章我們玩玩numpy的數(shù)值數(shù)據(jù)類型轉(zhuǎn)換
導(dǎo)入numpy
一、隨便玩玩
生成一個浮點(diǎn)數(shù)組
>>> 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,)
改變dtype，發(fā)現(xiàn)數(shù)組長度翻倍！
>>> 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,)
改變dtype，數(shù)組長度再次翻倍！
>>> 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,)
改變dtype='float'，發(fā)現(xiàn)默認(rèn)就是float64，長度也變回最初的4
>>> a.dtype = 'float'
>>> a
array([ 0.0945377 , 0.52199916, 0.62490646, 0.21260126])
>>> a.shape
(4,)
>>> a.dtype
dtype('float64')
把a(bǔ)變?yōu)檎麛?shù)，觀察其信息
>>> a.dtype = 'int64'
>>> a
array([4591476579734816328, 4602876970018897584, 4603803876586077261,
4596827787908854048], dtype=int64)
>>> a.shape
(4,)
改變dtype，發(fā)現(xiàn)數(shù)組長度翻倍！
>>> a.dtype = 'int32'
>>> a
array([ 1637779016, 1069036447, -1764917584, 1071690807, -679822259,
1071906619, -1611419360, 1070282372])
>>> a.shape
(8,)
改變dtype，發(fā)現(xiàn)數(shù)組長度再次翻倍！
>>> 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,)
改變dtype，發(fā)現(xiàn)數(shù)組長度再次翻倍！
>>> 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,)
改變dtype，發(fā)現(xiàn)整數(shù)默認(rèn)int32！
>>> a.dtype = 'int'
>>> a.dtype
dtype('int32')
>>> a
array([ 1637779016, 1069036447, -1764917584, 1071690807, -679822259,
1071906619, -1611419360, 1070282372])
>>> a.shape
(8,)
二、換一種玩法
很多時候我們用numpy從文本文件讀取數(shù)據(jù)作為numpy的數(shù)組，默認(rèn)的dtype是float64。
但是有些場合我們希望有些數(shù)據(jù)列作為整數(shù)。如果直接改dtype='int'的話，就會出錯！原因如上，數(shù)組長度翻倍了?。?！
下面的場景假設(shè)我們得到了導(dǎo)入的數(shù)據(jù)。我們的本意是希望它們是整數(shù)，但實際上是卻是浮點(diǎn)數(shù)(float64)
>>> b = np.array([1., 2., 3., 4.])
>>> b.dtype
dtype('float64')
用 astype(int) 得到整數(shù)，并且不改變數(shù)組長度
>>> c = b.astype(int)
>>> c
array([1, 2, 3, 4])
>>> c.shape
(8,)
>>> c.dtype
dtype('int32')
如果直接改變b的dtype的話，b的長度翻倍了，這不是我們想要的（當(dāng)然如果你想的話）
>>> 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,)
三、結(jié)論
numpy中的數(shù)據(jù)類型轉(zhuǎn)換，不能直接改原數(shù)據(jù)的dtype! 只能用函數(shù)astype()。
到此這篇關(guān)于numpy數(shù)據(jù)類型dtype轉(zhuǎn)換實現(xiàn)的文章就介紹到這了,更多相關(guān)numpy dtype轉(zhuǎn)換內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Numpy數(shù)據(jù)類型轉(zhuǎn)換astype,dtype的方法
