Konversi tipe in-place dari array NumPy

Diberikan array NumPy int32, bagaimana cara mengubahnya float32 di tempat ? Jadi pada dasarnya, saya ingin melakukannya

a = a.astype(numpy.float32)

tanpa menyalin array. Itu besar.

Alasan untuk melakukan ini adalah bahwa saya memiliki dua algoritma untuk perhitungan a. Salah satunya mengembalikan array int32, yang lain mengembalikan array float32(dan ini melekat pada dua algoritma yang berbeda). Semua perhitungan lebih lanjut menganggap itu aadalah array dari float32.

Saat ini saya melakukan konversi dalam fungsi C yang dipanggil via ctypes. Apakah ada cara untuk melakukan ini dengan Python?

Anda dapat membuat tampilan dengan tipe yang berbeda, dan kemudian menyalin di tempat ke tampilan:

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

print(y)

hasil panen

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

Untuk menunjukkan bahwa konversi sudah dilakukan, perhatikan bahwa penyalinan dari x ke ydiubah x:

print(x)

cetakan

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

Pembaruan: Fungsi ini hanya menghindari salinan jika bisa, maka ini bukan jawaban yang benar untuk pertanyaan ini. jawaban unutbu adalah yang benar.

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

astype numpy memiliki bendera salinan. Kenapa kita tidak menggunakannya?

Anda dapat mengubah jenis array tanpa mengonversi seperti ini:

a.dtype = numpy.float32

tetapi pertama-tama Anda harus mengubah semua bilangan bulat menjadi sesuatu yang akan ditafsirkan sebagai float yang sesuai. Cara yang sangat lambat untuk melakukan ini adalah dengan menggunakan structmodul python seperti ini:

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

... diterapkan pada setiap anggota array Anda.

Tapi mungkin cara yang lebih cepat adalah dengan menggunakan alat ctypeslib numpy (yang saya tidak kenal)

- edit -

Karena ctypeslib tampaknya tidak berfungsi, maka saya akan melanjutkan konversi dengan numpy.astypemetode biasa , tetapi melanjutkan dalam ukuran blok yang berada dalam batas memori Anda:

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

... lalu ubah dtype setelah selesai.

Berikut adalah fungsi yang menyelesaikan tugas untuk setiap dtypes yang kompatibel (hanya berfungsi untuk dtypes dengan item berukuran sama) dan menangani array berbentuk sewenang-wenang dengan kontrol pengguna atas ukuran blok:

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)

gunakan view () dan parameter 'dtype' untuk mengubah larik di tempat.

Gunakan ini:

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)