Conversion de type sur place d'un tableau NumPy

Étant donné un tableau NumPy de int32, comment puis-je le convertir float32 en place ? Donc en gros, j'aimerais faire

a = a.astype(numpy.float32)

sans copier le tableau. C'est gros.

La raison de cela est que j'ai deux algorithmes pour le calcul de a. L'un d'eux renvoie un tableau de int32, l'autre renvoie un tableau de float32(et ceci est inhérent aux deux algorithmes différents). Tous les calculs ultérieurs supposent qu'il as'agit d'un tableau de float32.

Actuellement, je fais la conversion dans une fonction C appelée via ctypes. Existe-t-il un moyen de faire cela en Python?

Vous pouvez créer une vue avec un dtype différent, puis la copier sur place dans la vue:

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

print(y)

rendements

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

Pour montrer que la conversion était en place, notez que la copie de x vers a été ymodifiée x:

print(x)

impressions

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

Mise à jour: cette fonction évite uniquement la copie si elle le peut, ce n'est donc pas la bonne réponse à cette question. La réponse d'unutbu est la bonne.

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

numpy astype a un indicateur de copie. Pourquoi ne devrions-nous pas l'utiliser?

Vous pouvez changer le type de tableau sans effectuer de conversion comme ceci:

a.dtype = numpy.float32

mais vous devez d'abord changer tous les entiers en quelque chose qui sera interprété comme le flottant correspondant. Une manière très lente de le faire serait d'utiliser le structmodule de python comme ceci:

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

... appliqué à chaque membre de votre tableau.

Mais peut-être un moyen plus rapide serait d'utiliser les outils ctypeslib de numpy (avec lesquels je ne suis pas familier)

- Éditer -

Étant donné que ctypeslib ne semble pas fonctionner, je procéderais à la conversion avec la numpy.astypeméthode typique , mais je procéderais avec des tailles de bloc qui sont dans les limites de votre mémoire:

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

... puis changez le dtype une fois terminé.

Voici une fonction qui accomplit la tâche pour tous les dtypes compatibles (ne fonctionne que pour les dtypes avec des éléments de même taille) et gère les tableaux de forme arbitraire avec un contrôle utilisateur sur la taille des blocs:

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)

utilisez view () et le paramètre 'dtype' pour changer le tableau en place.

Utilisez ceci:

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)