修改numpy array數據類型

1、numpy數據類型

2、改變numpy array數據類型

用astype()方法改變數據類型，如下幾種方式所示（這種方法不會改變原數組的數據類型）：

array_name.astype(int) ?
array_name.astype(np.int16)
array_name.astype('float64')

如果要改變原數組的數據類型，用以下方法：

array_name.dtype = np.uint8

numpy數據類型說明及自動轉換陷阱

numpy的dtype是一個很重要的概念，因為numpy為了性能，優化了內存管理，ndarray的值在內存中幾乎是連續的，同時其每個元素的內存大小也被設計成是一樣的，因此，當生成ndarray時，每個元素的數據類型都會被轉為相同的類型，這時如果原生的數據類型是不一樣的，那么就涉及到一個數據類型轉換的問題，即data type casting。

明白numpy中的數據類型轉換可以有效的避免和理解很多的行為，因為numpy中很多的error往往都是有數據類型轉換引起的，所以理解numpy的數據類型轉換可以預防和排查很多的問題。首先，在numpy中有很多的數據類型，多于python內置數據類型，具體有哪些類型，可以參看下圖，下圖的columns和index是數據類型在numpy中的符號，具體的釋義可以查看這里。下面，我們重點講一下numpy中關于數據類型以及轉換中容易碰到的陷進或者需要注意的點。

1、數據類型的表示

在numpy中，一個數據類型實際上是一個dtype對象，其有一些重要的屬性，比如字節順序、數據類型、字節數大小等，一般的，numpy中的數據類型會表示成類似'<i4'這樣，這個表示法中，<表示字節順序，i表示數據類型，這里表示整數，4表示一個元素占據的字節數，這里4字節，表示32位整數。

2、構造ndarray時的dtype

在構造ndarray時，可以指定dtype參數來設置ndarray里面元素的數據類型，這個dtype可以用'i4'這樣的表示方式，也可以用int表示，但是后者沒法指定字節數。要注意的是，指定dtype時，一定要確認這個dtype可以兼容所有元素，防止溢出或者不兼容，對此我們可以通過result_type(*array_like)來判斷我們應該設定的dtype，這個函數返回的dtype是可以兼容所有元素的最小size的數據類型；或者我們無需設定，其會自動進行數據類型的轉換，我們也可以通過ndarray.dtype屬性查看數據類型。Anyway,我們要有這種數據類型轉換的意識，因為這會影響后續對ndarray的操作。

3、不同數據類型之間的轉換兼容性

?numpy的數據類型之間能夠實現轉換，可以通過np.can_cast(fromtype,totype)這個函數來判斷，更詳細的可以查看下圖。

4、numpy對python對象數據類型'O'的處理

?當numpy中有python獨有的原生數據類型，比如Decimal，那么ndarray會被轉為object數據類型，表示python對象數據類型，當然這里也可以轉為字符串，但是字符串對于np.nan往往會占據更大的itemsize。

當numpy函數對dtype位object的ndarray處理時，會先把里面的元素再進一步轉為其他numpy的數據類型，這樣才可以操作，所以這里如果函數沒法或沒有指定類型參數，那么會默認以第一個inner loop到的數據類型作為所有元素的類型，并以此類型進行后續轉換，這時，對于object類型的ndarray來說，往往容易出現數據無法轉換成功的異常。所以要注意處理時第一個inner loop遇到的元素的類型是否可以兼容后面要處理的所有元素，不然會拋出異常。看下面的例子說明。

import numpy as np
from decimal import Decimal
 
arr=np.array([[1,2.0,3],['a',3,np.nan],[2,np.nan,Decimal('5')]])
arr1=np.apply_along_axis(lambda x:x[0],arr=arr,axis=1)
arr1
# output:
# ValueError: invalid literal for int() with base 10: 'a'
 
arr2=np.apply_along_axis(lambda x:x[1],arr=arr,axis=1)
arr2
# output:
# array([ 2.,  3., nan])
 
arr2=np.apply_along_axis(lambda x:x[2],arr=arr,axis=1)
arr2
# output:
# array([          3, -2147483648,           5])

從上面的例子中可以看到，arr1中，由于第一個inner loop遇到的元素是整數1，所以便會以整數類型對后續的元素進行轉換，但是后面的一個元素是字符'a'，無法將其轉為int，因此就會報上述error；arr2中，第一個遇到的元素是2.0，為float，所以后面的元素都會被轉為float，因此輸出為array([ 2., ?3., nan])，其中都變成了float，要注意的是，由于np.nan本身就是一個浮點數，因此這里可以正確的轉換，轉換之后還是np.nan；但是看arr2，由于第一個遇到的元素類型為int32，后面的np.nan為float64，會造成溢出，這樣便無法正確的轉換，從而會用int32最接近np.nan的值去替換，所以就是-2**31==-2147483648，這里之所以是2**31，而不是2**32-1，是因為這里的int是signed int，即有正負號的int，所以其范圍是-2**31~2**31-1；而Decimal('5')被轉為了int 5，所以就出現了上述的結果。

?所以，當要被轉成ndarray的原始數據中有np.nan時，要特別注意這一點，最好是指定float類型，注意其他數據的兼容；而如果同時又是obejct數據類型時，那么同時也要注意第一個inner loop遇到的元素的數據類型，注意和后面的數據類型保持兼容。

小結：numpy的dtype有諸多陷進，需要小心對待，謹慎核查，然后靈活運用。