如何将 2D float numpy 数组转换为 2D int numpy 数组？

Posted 2023-02-23

【中文标题】如何将 2D float numpy 数组转换为 2D int numpy 数组？

【英文标题】：How to convert 2D float numpy array to 2D int numpy array?

【发布时间】：2012-06-08 02:01:50

【问题描述】：

如何将真正的 numpy 数组转换为 int numpy 数组？ 尝试直接使用 map 到数组，但它不起作用。

【参考方案1】：

使用astype 方法。

>>> x = np.array([[1.0, 2.3], [1.3, 2.9]])
>>> x
array([[ 1. ,  2.3],
       [ 1.3,  2.9]])
>>> x.astype(int)
array([[1, 2],
       [1, 2]])

【讨论】：

只要确保你的数组中没有np.inf或np.nan，因为它们的结果令人惊讶。例如，np.array([np.inf]).astype(int) 输出 array([-9223372036854775808])。

在我的机器上，np.array([np.inf]).astype(int)、np.array([-np.inf]).astype(int) 和 np.array([np.nan]).astype(int) 都返回相同的内容。为什么？

@BallpointBen: nan 和 inf 是浮点值，无法有意义地转换为 int。正如您之前的评论所指出的，会有令人惊讶的行为，我认为确切的行为没有明确定义。如果要将nan 和inf 映射到某些值，则需要自己进行。

请注意，x.astype(int)[0][0] 不是int 类型。这是numpy.int32。

请注意，虽然这确实将数组转换为整数，但@fhtuft 的回答可能会减少意外

【参考方案2】：

一些用于控制舍入的 numpy 函数：rint、floor、trunc、ceil。取决于你希望如何四舍五入浮点数，向上，向下，或到最近的整数。

>>> x = np.array([[1.0,2.3],[1.3,2.9]])
>>> x
array([[ 1. ,  2.3],
       [ 1.3,  2.9]])
>>> y = np.trunc(x)
>>> y
array([[ 1.,  2.],
       [ 1.,  2.]])
>>> z = np.ceil(x)
>>> z
array([[ 1.,  3.],
       [ 2.,  3.]])
>>> t = np.floor(x)
>>> t
array([[ 1.,  2.],
       [ 1.,  2.]])
>>> a = np.rint(x)
>>> a
array([[ 1.,  2.],
       [ 1.,  3.]])

要将其中一种转换为 int 或 numpy 中的其他类型之一，astype（由 BrenBern 回答）：

a.astype(int)
array([[1, 2],
       [1, 3]])

>>> y.astype(int)
array([[1, 2],
       [1, 2]])

【讨论】：

正是我想要的。 astype 通常过于通用，我认为在进行 intx - inty 转换时它可能更有用。当我想做浮点 - 整数转换时，能够选择舍入类型是一个不错的功能。

因此，将7.99999 之类的近似整数安全转换为8 之类的整数的最简单方法是np.rint(arr).astype(int)?

在 numpy 中有什么方法可以使它成为 uint8？

@Ryan astype(np.uint8)

【参考方案3】：

你可以使用np.int_:

>>> x = np.array([[1.0, 2.3], [1.3, 2.9]])
>>> x
array([[ 1. ,  2.3],
       [ 1.3,  2.9]])
>>> np.int_(x)
array([[1, 2],
       [1, 2]])

【参考方案4】：

如果您不确定您的输入将是一个 Numpy 数组，您可以使用 asarray 和 dtype=int 而不是 astype：

>>> np.asarray([1,2,3,4], dtype=int)
array([1, 2, 3, 4])

如果输入数组已经具有正确的 dtype，asarray 会避免数组复制，而 astype 不会（除非您指定 copy=False）：

>>> a = np.array([1,2,3,4])
>>> a is np.asarray(a)  # no copy :)
True
>>> a is a.astype(int)  # copy :(
False
>>> a is a.astype(int, copy=False)  # no copy :)
True