如何将一个浮点型的NumPy数组转换为整型NumPy数组?
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]])
>>> 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.]])
要将其中一个转换为int或numpy中的其他类型,可以使用astype函数(由BrenBern回答):
a.astype(int)
array([[1, 2],
[1, 3]])
>>> y.astype(int)
array([[1, 2],
[1, 2]])
astype
通常太泛泛而谈了,我认为它在执行intx - inty转换时可能更有用。当我想要进行float - int转换并能够选择舍入方式时,这是一个不错的功能。 - Bakuriu7.99999
)安全地转换为整数(例如8
)的最简单方法是 np.rint(arr).astype(int)
? - endolithastype(np.uint8)
- chris您可以使用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]])
如果您不确定输入将是一个NumPy数组,则可以使用asarray
而不是astype
,并将dtype = int
作为参数:
>>> 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数据类型,asarray
将避免进行数组复制,而astype
则不会(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
np.inf
或np.nan
,因为它们会产生意想不到的结果。例如,np.array([np.inf]).astype(int)
的输出是array([-9223372036854775808])
。 - Garrettnp.array([np.inf]).astype(int)
、np.array([-np.inf]).astype(int)
和np.array([np.nan]).astype(int)
都返回相同的结果。为什么? - BallpointBennan
和inf
是浮点值,不能有意义地转换为整数。正如你之前的评论所指出的那样,会有令人惊讶的行为,我认为精确的行为并没有被很好地定义。如果你想将nan
和inf
映射到某些值,你需要自己做。 - BrenBarn