Ответы:
Используйте astype
метод.
>>> 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]])
np.array([np.inf]).astype(int)
, np.array([-np.inf]).astype(int)
и np.array([np.nan]).astype(int)
возвращает то же самое. Зачем?
nan
и inf
являются значениями с плавающей точкой, и их невозможно преобразовать в int. Как говорится в комментарии перед вашими замечаниями, поведение будет удивительным, и я не думаю, что точное поведение четко определено. Если вы хотите сопоставить nan
и inf
определенные значения, вы должны сделать это самостоятельно.
int
. Это numpy.int32
.
Некоторые функции numpy для контроля округления: rint , floor , trunc , ceil . в зависимости от того, как вы хотите округлить поплавки, вверх, вниз или до ближайшего целого.
>>> 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.]])
Чтобы сделать одно из этого в int или один из других типов в numpy, astype (как ответил BrenBern):
a.astype(int)
array([[1, 2],
[1, 3]])
>>> y.astype(int)
array([[1, 2],
[1, 2]])
astype
часто является слишком общим, и я думаю, что это, вероятно, более полезно при выполнении intx - inty преобразований. Когда я хочу сделать преобразование с плавающей точкой в int, возможность выбрать тип округления является хорошей особенностью.
7.99999
в Интс нравится 8
, это np.rint(arr).astype(int)
?
astype(np.uint8)
Вы можете использовать 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]])
Если вы не уверены , что ваш вклад будет массив Numpy, вы можете использовать asarray
с dtype=int
вместо astype
:
>>> np.asarray([1,2,3,4], dtype=int)
array([1, 2, 3, 4])
Если входной массив уже имеет правильный тип d, asarray
избегает копирования массива, пока astype
нет (если вы не укажете 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
илиnp.nan
в вашем массиве, так как они имеют удивительные результаты. Например,np.array([np.inf]).astype(int)
выводыarray([-9223372036854775808])
.