In-Place-Typkonvertierung eines NumPy-Arrays

int32Wie konvertiere ich ein NumPy-Array an float32 Ort und Stelle ? Im Grunde würde ich gerne tun

a = a.astype(numpy.float32)

ohne das Array zu kopieren. Es ist groß.

Der Grund dafür ist, dass ich zwei Algorithmen für die Berechnung von habe a. Einer von ihnen gibt ein Array von zurück int32, der andere ein Array von float32(und dies ist den beiden verschiedenen Algorithmen inhärent). Alle weiteren Berechnungen gehen davon aus, dass aes sich um ein Array von handelt float32.

Derzeit mache ich die Konvertierung in einer C-Funktion namens via ctypes. Gibt es eine Möglichkeit, dies in Python zu tun?

Sie können eine Ansicht mit einem anderen Typ erstellen und dann direkt in die Ansicht kopieren:

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

print(y)

ergibt

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

Beachten Sie, dass das Kopieren von x nach ygeändert wurde , um anzuzeigen, dass die Konvertierung vorhanden war x:

print(x)

druckt

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

Update: Diese Funktion vermeidet das Kopieren nur, wenn dies möglich ist. Daher ist dies nicht die richtige Antwort auf diese Frage. Die Antwort von unutbu ist die richtige.

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

numpy astype hat ein Kopierflag. Warum sollten wir es nicht benutzen?

Sie können den Array-Typ ändern, ohne ihn wie folgt zu konvertieren:

a.dtype = numpy.float32

Aber zuerst müssen Sie alle Ganzzahlen in etwas ändern, das als entsprechender Float interpretiert wird. Ein sehr langsamer Weg, dies zu tun, wäre die Verwendung des Python- structModuls wie folgt:

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

... auf jedes Mitglied Ihres Arrays angewendet.

Aber vielleicht wäre ein schnellerer Weg, die ctypeslib-Tools von numpy zu verwenden (mit denen ich nicht vertraut bin).

- bearbeiten -

Da ctypeslib nicht zu funktionieren scheint, würde ich mit der Konvertierung mit der typischen numpy.astypeMethode fortfahren, aber in Blockgrößen vorgehen, die innerhalb Ihrer Speichergrenzen liegen:

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

... dann ändern Sie den dtype, wenn Sie fertig sind.

Hier ist eine Funktion, die die Aufgabe für kompatible dtypes ausführt (funktioniert nur für dtypes mit gleich großen Elementen) und beliebig geformte Arrays mit Benutzersteuerung über die Blockgröße verarbeitet:

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)

Verwenden Sie view () und den Parameter 'dtype', um das Array zu ändern.

Benutze das:

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)