Python 如何从'；浮动64'；至'；浮动'；

如何将

numpy

数组

从类型

'float64'

转换为类型

'float'

？具体来说，如何将带有

dtype的整个
数组
转换为
dtype
？这可能吗上述“被认为是重复的”问题中的标量答案并没有解决我的问题。

考虑这一点：

>>> type(my_array[0])
<type 'numpy.float64'>

>>> # Let me try to convert this to 'float':
>>> new_array = my_array.astype(float)
>>> type(new_array[0])
<type 'numpy.float64'>

>>> # No luck.  What about this:
>>> new_array = my_array.astype('float')
>>> type(new_array[0])
<type 'numpy.float64'>

>>> # OK, last try:
>>> type(np.inf)
<type 'float'>
>>> # Yeah, that's what I want.
>>> new_array = my_array.astype(type(np.inf))
>>> type(new_array[0])
<type 'numpy.float64'>

>类型（my_数组[0]）
>>>#让我尝试将其转换为“浮动”：
>>>new_array=my_array.astype（float）
>>>类型（新的_数组[0]）
>>>运气不好。那么这个呢：
>>>new\u array=my\u array.astype（'float'）
>>>类型（新的_数组[0]）
>>>#好的，最后一次尝试：
>>>类型（np.inf）
>>>是的，这就是我想要的。
>>>new_array=my_array.astype（type（np.inf））
>>>类型（新的_数组[0]）

如果您不确定我为什么要这样做，请参阅及其答案。
是的，实际上，当您使用Python的原生
float
指定数组的数据类型时，numpy会将其转换为
float64
。如

注意，在上面，我们使用Python float对象作为数据类型NumPy知道
int
指
np.int
，
bool
指
np.bool
，即
float
是
np.float
，
complex
是
np.complex
。其他数据类型没有Python等价物

及-

float\是float64的简写

这就是为什么即使使用
float
将整个数组转换为float，它仍然使用
np.float64

根据另一个问题的要求，最好的解决方案是将每个标量值作为一个变量，然后转换为正常的float对象-

float(new_array[0])


我能想到的一个解决方案是为
float
创建一个子类，并将其用于强制转换（尽管在我看来这很糟糕）。但如果可能的话，我更喜欢前面的解决方案。范例-

In [20]: import numpy as np

In [21]: na = np.array([1., 2., 3.])

In [22]: na = np.array([1., 2., 3., np.inf, np.inf])

In [23]: type(na[-1])
Out[23]: numpy.float64

In [24]: na[-1] - na[-2]
C:\Anaconda3\Scripts\ipython-script.py:1: RuntimeWarning: invalid value encountered in double_scalars
  if __name__ == '__main__':
Out[24]: nan

In [25]: class x(float):
   ....:     pass
   ....:

In [26]: na_new = na.astype(x)


In [28]: type(na_new[-1])
Out[28]: float                           #No idea why its showing float, I would have thought it would show '__main__.x' .

In [29]: na_new[-1] - na_new[-2]
Out[29]: nan

In [30]: na_new
Out[30]: array([1.0, 2.0, 3.0, inf, inf], dtype=object)

您可以像这样创建匿名类型
float

>>> new_array = my_array.astype(type('float', (float,), {}))
>>> type(new_array[0])
<type 'float'>

>>new_array=my_array.astype（类型（'float'，（float，），{}））
>>>类型（新的_数组[0]）
如果您想留在numpy，这不是一个好主意，但是如果您已经完成了计算，并且要迁移到本机python中，您可以使用

ndarray.tolist()

这会将数组转换为适当本机类型的列表（列表）。它也适用于numpy标量值。
AFAIK
float
和
float64
在numpy中是等效的。可能重复的井可以使用np.errstate忽略特定的警告，这样就不必隐藏其他警告。@AlexanderHuszagh，好的，是的，这很酷。谢谢我一直在用
warnings
模块捕捉警告，并且
try
/
除了
块之外，但是
errstate
似乎要好得多。@AlexanderHuszagh，这也是一个很好的选择。但是我认为我在代码中要做的最好、最清楚的事情就是在
np.errstate
块中执行减法。聪明的答案，谢谢。也就是说，我认为最好的答案——至少就我的目的而言——是忽略我使用
np.errstate
使用
float64
s得到的具体警告——请参见上面的评论。我可以回答其中一些问题。Numpy将找不到合适数据类型的所有内容存储为“object”，即Python对象。对于类X，它无法通过类继承看到浮点值，因此它选择对象。由于na_new中的值的类型都是float，但dtype是object，这意味着所有内容都是使用Pythonic类型而不是numpy float64存储的。但是，您可以对对象数据类型执行数学运算，这确实提供了一些优势。