Преобразование типа на месте массива NumPy

Question

Преобразование типа на месте массива NumPy

учитывая NumPy массив int32, как мне преобразовать его в float32на месте? Так что в принципе, я хотел бы сделать

a = a.astype(numpy.float32)

без копирования массива. Она большая.

причина этого в том, что у меня есть два алгоритма для вычисления a. Один из них возвращает массив int32, другой возвращает массив float32 (и это присуще двум различным алгоритмам). Все дальнейшие вычисления предполагают, что a это массив float32.

в настоящее время я делаю преобразование в функцию C, называемую via ctypes. Есть ли способ сделать это в Python?

597 5

python numpy

5 ответов:

Comments

Ничего не найдено.

unutbu · Accepted Answer · 2017-10-28 20:19:07

вы можете создать представление с другим типом dtype, а затем скопировать на место в представление:
import numpy as np
x = np.arange(10, dtype='int32')
y = x.view('float32')
y[:] = x

print(y)
доходность
array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9.], dtype=float32)
чтобы показать, что преобразование было на месте, обратите внимание, что копирование Сx до y изменил x:
print(x)
печать
array([         0, 1065353216, 1073741824, 1077936128, 1082130432,
       1084227584, 1086324736, 1088421888, 1090519040, 1091567616])

Vikas · Accepted Answer · 2018-06-25 11:30:57

Update: эта функция только избегает копирования, если это возможно, поэтому это не правильный ответ на этот вопрос. unutbu это - это правильно.
a = a.astype(numpy.float32, copy=False)
numpy astype имеет флаг копирования. Почему бы нам не использовать его ?

Paul · Accepted Answer · 2010-12-09 01:02:27

вы можете изменить тип массива без преобразования такой:
a.dtype = numpy.float32
но сначала вы должны изменить все целые числа на что-то, что будет интерпретироваться как соответствующий float. Очень медленный способ сделать это-использовать python struct модуль такой:
def toi(i):
    return struct.unpack('i',struct.pack('f',float(i)))[0]
...применяется к каждому члену массива.

но, возможно, более быстрым способом было бы использовать инструменты ctypeslib numpy (которые мне незнакомы с)

- edit -

поскольку ctypeslib, похоже, не работает, я бы продолжил преобразование с типичным numpy.astype метод, но действуйте в размерах блоков, которые находятся в пределах вашей памяти:
a[0:10000] = a[0:10000].astype('float32').view('int32')
...затем измените dtype, когда закончите.

вот функция, которая выполняет задачу для любых совместимых dtypes (работает только для dtypes с одинаковыми размерами элементов) и обрабатывает произвольно сформированные массивы с пользовательским управлением над размером блока:
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

MIO · Accepted Answer · 2017-11-17 22:21:37

a = np.subtract(a, 0., dtype=np.float32)

-3

2017-11-17 22:21:37

Ankit Barik · Accepted Answer · 2015-02-19 17:53:07

используйте этот:

In [105]: a
Out[105]: 
array([[15, 30, 88, 31, 33],
       [53, 38, 54, 47, 56],
       [67,  2, 74, 10, 16],
       [86, 33, 15, 51, 32],
       [32, 47, 76, 15, 81]], dtype=int32)

In [106]: float32(a)
Out[106]: 
array([[ 15.,  30.,  88.,  31.,  33.],
       [ 53.,  38.,  54.,  47.,  56.],
       [ 67.,   2.,  74.,  10.,  16.],
       [ 86.,  33.,  15.,  51.,  32.],
       [ 32.,  47.,  76.,  15.,  81.]], dtype=float32)