Konwersja typu w miejscu tablicy NumPy

Biorąc pod uwagę tablicę NumPy int32, jak przekonwertować ją na float32 miejsce ? Więc zasadniczo chciałbym to zrobić

a = a.astype(numpy.float32)

bez kopiowania tablicy. To jest duże.

Powodem tego jest to, że mam dwa algorytmy do obliczania a. Jeden z nich zwraca tablicę int32, a drugi tablicę float32(i jest to nieodłączne dla dwóch różnych algorytmów). Wszystkie dalsze obliczenia zakładają, że ajest to tablica float32.

Obecnie wykonuję konwersję w funkcji C o nazwie via ctypes. Czy można to zrobić w Pythonie?

Możesz utworzyć widok z innym typem, a następnie skopiować lokalnie do widoku:

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

print(y)

plony

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

Aby pokazać, że konwersja była na miejscu, pamiętaj, że kopiowanie z x do zostało yzmienione x:

print(x)

wydruki

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

Aktualizacja: Ta funkcja unika kopiowania tylko wtedy, gdy jest to możliwe, dlatego nie jest to poprawna odpowiedź na to pytanie. Odpowiedź unutbu jest właściwa.

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

numpy astype ma flagę kopiowania. Dlaczego nie powinniśmy tego używać?

Możesz zmienić typ tablicy bez konwersji w ten sposób:

a.dtype = numpy.float32

ale najpierw musisz zmienić wszystkie liczby całkowite na coś, co zostanie zinterpretowane jako odpowiadająca im liczba zmiennoprzecinkowa. Bardzo powolnym sposobem na zrobienie tego byłoby użycie structmodułu Pythona w następujący sposób:

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

... zastosowana do każdego elementu tablicy.

Ale być może szybszym sposobem byłoby wykorzystanie narzędzi ctypeslib firmy Numpy (których nie znam)

- edytować -

Ponieważ ctypeslib wydaje się nie działać, kontynuowałbym konwersję typową numpy.astypemetodą, ale kontynuowałbym w blokach o rozmiarach mieszczących się w granicach pamięci:

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

... a następnie zmień typ po zakończeniu.

Oto funkcja, która wykonuje zadanie dla dowolnych zgodnych dtypów (działa tylko dla dtypów z elementami o tej samej wielkości) i obsługuje tablice o dowolnym kształcie z kontrolą użytkownika nad rozmiarem bloku:

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)

użyj view () i parametru 'dtype', aby zmienić tablicę w miejscu.

Użyj tego:

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)