Konvertierung von Numpy-Dtypen in native Python-Typen

Question

Wenn ich einen Numpy-Datentyp habe, wie konvertiere ich ihn automatisch in den nächstliegenden Python-Datentyp? Zum Beispiel,

numpy.float32 -> "python float"
numpy.float64 -> "python float"
numpy.uint32  -> "python int"
numpy.int16   -> "python int"

Ich könnte versuchen, ein Mapping für all diese Fälle zu erstellen, aber bietet numpy eine automatische Möglichkeit, seine dtypes in die nächstmöglichen nativen Python-Typen zu konvertieren? Diese Abbildung muss nicht erschöpfend sein, aber sie sollte die üblichen dTypen konvertieren, die ein nahes Python-Analogon haben. Ich denke, dies geschieht bereits irgendwo in Numpy.

Answer 1

Verwenden Sie val.item() um die meisten NumPy-Werte in einen nativen Python-Typ zu konvertieren:

import numpy as np

# for example, numpy.float32 -> python float
val = np.float32(0)
pyval = val.item()
print(type(pyval))         # <class 'float'>

# and similar...
type(np.float64(0).item()) # <class 'float'>
type(np.uint32(0).item())  # <class 'int'>
type(np.int16(0).item())   # <class 'int'>
type(np.cfloat(0).item())  # <class 'complex'>
type(np.datetime64(0, 'D').item())  # <class 'datetime.date'>
type(np.datetime64('2001-01-01 00:00:00').item())  # <class 'datetime.datetime'>
type(np.timedelta64(0, 'D').item()) # <class 'datetime.timedelta'>
...

(Eine andere Methode ist np.asscalar(val) Sie ist jedoch seit NumPy 1.16 veraltet).

---

Für Neugierige: eine Tabelle der Umrechnungen von NumPy-Array Skalare für Ihr System:

for name in dir(np):
    obj = getattr(np, name)
    if hasattr(obj, 'dtype'):
        try:
            if 'time' in name:
                npn = obj(0, 'D')
            else:
                npn = obj(0)
            nat = npn.item()
            print('{0} ({1!r}) -> {2}'.format(name, npn.dtype.char, type(nat)))
        except:
            pass

Es gibt einige NumPy-Typen, die auf manchen Systemen kein natives Python-Äquivalent haben, darunter: clongdouble , clongfloat , complex192 , complex256 , float128 , longcomplex , longdouble y longfloat . Diese müssen in ihr nächstes NumPy-Äquivalent umgewandelt werden, bevor man .item() .

Answer 2

Ich habe einen gemischten Satz von Numpy-Typen und Standard-Python. Da alle Numpy-Typen von numpy.generic Hier erfahren Sie, wie Sie alles in Python-Standardtypen konvertieren können:

if isinstance(obj, numpy.generic):
    return numpy.asscalar(obj)

Answer 3

Wenn Sie (numpy.array OR numpy scalar OR native type OR numpy.darray) in einen nativen Typ konvertieren wollen, können Sie einfach tun:

converted_value = getattr(value, "tolist", lambda: value)()

tolist konvertiert Ihren Skalar oder Ihr Array in den nativen Python-Typ. Die Standard-Lambda-Funktion kümmert sich um den Fall, dass value bereits nativ ist.

Answer 4

tolist() ist ein allgemeinerer Ansatz, um dies zu erreichen. Er funktioniert in jedem primitiven dtype und auch in Arrays oder Matrizen.

I ergibt eigentlich keine Liste, wenn es von primitiven Typen aufgerufen wird:

numpy == 1.15.2

>>> import numpy as np

>>> np_float = np.float64(1.23)
>>> print(type(np_float), np_float)
<class 'numpy.float64'> 1.23

>>> listed_np_float = np_float.tolist()
>>> print(type(listed_np_float), listed_np_float)
<class 'float'> 1.23

>>> np_array = np.array([[1,2,3.], [4,5,6.]])
>>> print(type(np_array), np_array)
<class 'numpy.ndarray'> [[1. 2. 3.]
 [4. 5. 6.]]

>>> listed_np_array = np_array.tolist()
>>> print(type(listed_np_array), listed_np_array)
<class 'list'> [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]]

Answer 5

Wie wäre es damit:

In [51]: dict([(d, type(np.zeros(1,d).tolist()[0])) for d in (np.float32,np.float64,np.uint32, np.int16)])
Out[51]: 
{<type 'numpy.int16'>: <type 'int'>,
 <type 'numpy.uint32'>: <type 'long'>,
 <type 'numpy.float32'>: <type 'float'>,
 <type 'numpy.float64'>: <type 'float'>}