Numpy数据类型转换astype，dtype

本文主要介绍Python一些常见的数据格式之间的转换方法，包括numpy、tensor、PIL、list等，尤其是和Pytorch中tensor类型进行相关转换的数据操作。

下面的示例定义一个结构化数据类型 student，包含字符串字段 name，整数字段 age，及浮点字段 marks，并将这个 dtype 应用到 ndarray 对象。对象的一个属性，用于表示数组的维度（dimensions）和每个维度的大小（size）。它以元组的形式返回，元组的每个元素表示数组在相应维度上的大小。numpy 的数值类型实际上是 dtype 对象的实例，并对应唯一的字符，包括 np.bool_，np.int32，np.float32，等等。下表列举了常用 NumPy 基本类型。

我们将带您一探NumPy中的数据类型及其转换技巧，助您在数据处理与分析的道路上更加游刃有余。

Numpy 数据类型及转换

NumPy的基本数据类型比Python内置的类型要多很多。如下： 名称 描述 bool_ 布尔型数据类型（True 或者 False） int_ 默认的整数类型（类似于 C 语言中的 long，int32 或 int64） intc 与 C 的 int 类型一样，一般是 int32 或 int 64 intp 用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64） int8 字节（-128 to 127）

1、查看数据类型in [11]: arr = np.array([1,2,3,4,5])in [12]: arrout[12]: array([1, 2, 3, 4, 5])// 该命令查看数据类型in [13]: arr.dtypeout[13]: dtype('int64')in [14]: float_arr = arr.astype(np.float64)// 该命令查看数据类型in [1...

1、查看数据类型In [11]: arr = np.array([1,2,3,4,5])In [12]: arrOut[12]: array([1, 2, 3, 4, 5])// 该命令查看数据类型In [13]: arr.dtypeOut[13]: dtype('int64')In [14]: float_arr = arr.astype(np.float64)// 该命令查看数据类型In [1...

在我们的普通编程过程中，强制数据类型转换时很寻常的，尤其是在类似于C语言这样的编程语言。由于自己是一个C程序员，很多时候在这方面会多想一点。其实，纯粹的Python中，数据类型转换至少在语法上跟C是差不多的。但是，在numpy中，处理数组元素的时候这一切都不一样了。在numpy中，面向对象编程的味道更浓一些，而相应的转换是通过对象的方法调用来实现。        例如，有如下代码： impor

参考：菜鸟教程 1. Numpy IO Numpy 可以读写磁盘上的文本数据或二进制数据； NumPy 为 ndarray 对象引入了一个简单的文件格式：npy ，用于存储重建 ndarray 所需的数据、图形、dtype 和其他信息； 另外，Numpy还引入了npz格式，用于保存多个数组文件； 常用的 IO 函数有： save() 和 load() 函数是读写文件数组数据的两个主要函数，默认...

直接使用dtype会强制改变数据类型，从而修改了数据值 import numpy as np a = np.ones((1,2)) print(a, a.dtype) a.dtype = 'float32' print(a, a.dtype) 输出： [[1. 1.]] float64 [[0. 1.875 0. 1.875]] float32 应该使用astype a = a.astype(np.float32) print(a, a.dtype) 输出： [[1. 1.]]

常见的numpy数据类型有： np.int8、np.int16、np.int32、np.int64、 np.uint8、np.uint16、np.uint32、np.uint64、 np.float16、np.float32、np.float64

numpy的dtype是一个很重要的概念，因为numpy为了性能，优化了内存管理，ndarray的值在内存中几乎是连续的，同时其每个元素的内存大小也被设计成是一样的，因此，当生成ndarray时，每个元素的数据类型都会被转为相同的类型，这时如果原生的数据类型是不一样的，那么就涉及到一个数据类型转换的问题，即data type casting。 明白numpy中的数据类...

在使用Numpy时，我们经常需要对数据类型进行转换，比如将列表转换为数组或者将一个数组从一个数据类型转换为另一个数据类型。综上所述，np.array与np.asarray两个函数在使用上略有不同，大家可以根据实际需求选择不同的函数完成数据类型转换。从以上代码可以看到，np.array函数可以将列表、元组等对象转换为数组，并且还可以指定数据类型对数组进行转换。（3）当输入参数不是数组时，np.asarray函数和np.array函数的效果基本一致。

python numpy 数据类型转换 numpy数据类型转换需要调用方法astype()，不能直接修改dtype。调用astype返回数据类型修改后的数据，但是源数据的类型不会变，需要进一步对源数据的赋值操作才能改变。例如 >>> a=np.array([1.1, 1.2]) >>> a.dtype dtype('float64') >>> a.astype(np.int16) array(

pandas中查看各列数据类型的函数为 df.dtypes , 注意后面不用加括号。 pandas中各数据类型与python的对应关系表如下： 注意python中的字符串str类型默认是对应object，但是object并不完全具有str的特性，因此如果想要用str的特性，一般最好是是强制转换为str而不是设置为object类型。 （因为object在pandas中通常是不能全部转换为int或者float类型时就默认用object代替）。某列数据 转换为object无法正确调用str.split,得到的为空