So konvertieren Sie ein numpy-array aus 'float64' in 'float'

Wie konvertiere ich eine numpy array vom Typ 'float64' zu geben 'float'? Insbesondere, wie konvertiere ich eine ganze array mit dtype 'float64' zu haben dtype 'float'? Ist das möglich? Die Antwort für Skalare in den Gedanken-zu-sein, die doppelte Frage oben nicht meine Frage.

Bedenken Sie:

>>> type(my_array[0])
<type 'numpy.float64'>

>>> # Let me try to convert this to 'float':
>>> new_array = my_array.astype(float)
>>> type(new_array[0])
<type 'numpy.float64'>

>>> # No luck.  What about this:
>>> new_array = my_array.astype('float')
>>> type(new_array[0])
<type 'numpy.float64'>

>>> # OK, last try:
>>> type(np.inf)
<type 'float'>
>>> # Yeah, that's what I want.
>>> new_array = my_array.astype(type(np.inf))
>>> type(new_array[0])
<type 'numpy.float64'>

Wenn Sie unsicher sind, warum könnte ich dies tun möchten, sehen diese Frage und seine Antworten.

AFAIK float und float64 sind gleichwertig in numpy.
mögliche Duplikate von Umwandlung von numpy dtypes native python-Typen
Auch Sie ignorieren können bestimmte Warnungen, die mit np.errstate, so dass Sie nicht haben, blenden Sie die anderen Warnungen.
ah, OK, ja, das ist cool. danke. ich hatte schon fangen die Warnungen mit der warnings Modul und try/except Blöcke, aber errstate macht scheinen viel besser.
ah, das ist eine gute option, auch. aber ich denke, die beste und klarste, was für mich zu tun, in meinem code ist auszuführen, dass die Subtraktion in eine np.errstate block.

InformationsquelleAutor dbliss | 2015-09-16

  1. 3

    Können Sie einen anonymen Typ float wie diese

    >>> new_array = my_array.astype(type('float', (float,), {}))
>>> type(new_array[0])
<type 'float'>

    InformationsquelleAutor John La Rooy

  2. 7

    Ja, eigentlich, wenn man mithilfe von Python-native float angeben, "dtype" für ein array numpy wandelt es in float64. Wie in Dokumentation -

    Beachten Sie, dass die oben genannten, verwenden wir die Python-float-Objekt als "dtype". NumPy weiß, dass int bezieht sich auf np.int_, bool bedeutet np.bool_ , dass float ist np.float_ und complex ist np.complex_. Die anderen Daten-Typen nicht Python-äquivalente.

    Und -

    float_ - die Kurzform für float64.

    Dies ist der Grund, warum obwohl Sie float zu konvertieren, das ganze array zu schweben , es verwendet immer noch np.float64.

    Entsprechend der Anforderung aus , die andere Frage, die beste Lösung wäre die Umstellung auf normale float-Objekt nach der Einnahme jeder Skalare Wert als -

    float(new_array[0])

    Eine Lösung, die ich denken konnte ist, erstellen Sie eine Unterklasse für float und Sie für Gießen (obwohl mir sieht es schlecht aus). Aber ich würde es vorziehen, die bisherige Lösung über diese, wenn möglich. Beispiel -

    In [20]: import numpy as np

In [21]: na = np.array([1., 2., 3.])

In [22]: na = np.array([1., 2., 3., np.inf, np.inf])

In [23]: type(na[-1])
Out[23]: numpy.float64

In [24]: na[-1] - na[-2]
C:\Anaconda3\Scripts\ipython-script.py:1: RuntimeWarning: invalid value encountered in double_scalars
  if __name__ == '__main__':
Out[24]: nan

In [25]: class x(float):
   ....:     pass
   ....:

In [26]: na_new = na.astype(x)


In [28]: type(na_new[-1])
Out[28]: float                           #No idea why its showing float, I would have thought it would show '__main__.x' .

In [29]: na_new[-1] - na_new[-2]
Out[29]: nan

In [30]: na_new
Out[30]: array([1.0, 2.0, 3.0, inf, inf], dtype=object)
    clevere Antwort, danke. sagte, ich denke, die beste Antwort -- zumindest für meine Zwecke -- ist, Sie zu ignorieren, die spezifische Warnung: ich bin immer mit float64s mit np.errstate - siehe die Kommentare oben.
    Ich kann die Antwort ein paar von diesen. Numpy speichert alles, was Sie nicht finden können, eine geeignete dtype für als "Objekt", das ist ein Python-Objekt. Im Falle der Klasse X, die es nicht sehen können, die Schwimmer durch Vererbung, also es wählt, Objekt. Da ist der Typ der Werte in na_new sind alle Schwimmer, aber die "dtype" ist "Objekt", es bedeutet, dass alles gespeichert ist, eine Pythonic-Typ statt der numpy float64. Sie können jedoch, führen Sie Mathe auf Objekt dtypes, die bietet einige Vorteile.

    InformationsquelleAutor Anand S Kumar

Schreibe einen Kommentar