На місці перетворення типу масиву NumPy

З огляду на масив NumPy int32, як перетворити його на float32 місце ? Так в основному я хотів би зробити

a = a.astype(numpy.float32)

без копіювання масиву. Це велике.

Причиною цього є те, що у мене є два алгоритми для обчислення a. Один з них повертає масив int32, інший повертає масив float32(і це притаманне двом різним алгоритмам). Усі подальші обчислення припускають, що aце масив float32.

В даний час я роблю перетворення у функцію C, що називається via ctypes. Чи є спосіб це зробити в Python?

Ви можете зробити перегляд з іншим типом, а потім скопіювати його на місце:

import numpy as np
x = np.arange(10, dtype='int32')
y = x.view('float32')
y[:] = x

print(y)

врожайність

array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9.], dtype=float32)

Щоб показати, що конверсія відбулася, зверніть увагу на те, що копіювання з x у yзмінене x:

print(x)

відбитки

array([         0, 1065353216, 1073741824, 1077936128, 1082130432,
       1084227584, 1086324736, 1088421888, 1090519040, 1091567616])

Оновлення: Ця функція дозволяє уникнути копіювання, лише якщо це можливо, отже, це не правильна відповідь на це питання. Відповідь Юнутбу - правильна.

a = a.astype(numpy.float32, copy=False)

numpy astype має прапор копії. Чому ми не повинні його використовувати?

Ви можете змінити тип масиву без перетворення так:

a.dtype = numpy.float32

але спочатку ви повинні змінити всі цілі числа на те, що буде інтерпретуватися як відповідний поплавок. Дуже повільним способом зробити це було б використання structмодуля python таким чином:

def toi(i):
    return struct.unpack('i',struct.pack('f',float(i)))[0]

... застосовано до кожного члена вашого масиву.

Але, можливо, більш швидким способом було б використання інструментів ctypeslib numpy (з якими я незнайомий)

- редагувати -

Оскільки ctypeslib, здається, не працює, я б продовжував перетворення типовим numpy.astypeметодом, але продовжував розміри блоків, що знаходяться в межах вашої пам'яті:

a[0:10000] = a[0:10000].astype('float32').view('int32')

... потім змінити тип, коли буде зроблено.

Ось функція, яка виконує завдання для будь-яких сумісних dtypes (працює лише для dtypes з однаковими розмірами елементів) і обробляє масиви довільної форми з контролем користувача над розміром блоку:

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

import numpy as np
arr_float = np.arange(10, dtype=np.float32)
arr_int = arr_float.view(np.float32)

використовувати view () та параметр 'dtype' для зміни масиву на місці.

Використовуй це:

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)

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