Respuestas:
Usa el astype
método.
>>> x = np.array([[1.0, 2.3], [1.3, 2.9]])
>>> x
array([[ 1. , 2.3],
[ 1.3, 2.9]])
>>> x.astype(int)
array([[1, 2],
[1, 2]])
np.array([np.inf]).astype(int)
, np.array([-np.inf]).astype(int)
, y np.array([np.nan]).astype(int)
todo volverá al mismo. ¿Por qué?
nan
y inf
son valores de punto flotante y no se pueden convertir significativamente a int. Como señala el comentario antes del suyo, habrá un comportamiento sorprendente, y no creo que el comportamiento preciso esté bien definido. Si desea mapear nan
y inf
ciertos valores, debe hacerlo usted mismo.
int
. Es numpy.int32
.
Algunas funciones numpy para controlar el redondeo: rint , floor , trunc , ceil . dependiendo de cómo desee redondear los flotadores, arriba, abajo o al int más cercano.
>>> x = np.array([[1.0,2.3],[1.3,2.9]])
>>> x
array([[ 1. , 2.3],
[ 1.3, 2.9]])
>>> y = np.trunc(x)
>>> y
array([[ 1., 2.],
[ 1., 2.]])
>>> z = np.ceil(x)
>>> z
array([[ 1., 3.],
[ 2., 3.]])
>>> t = np.floor(x)
>>> t
array([[ 1., 2.],
[ 1., 2.]])
>>> a = np.rint(x)
>>> a
array([[ 1., 2.],
[ 1., 3.]])
Para hacer uno de esto en int, o uno de los otros tipos en numpy, astype (como respondió BrenBern):
a.astype(int)
array([[1, 2],
[1, 3]])
>>> y.astype(int)
array([[1, 2],
[1, 2]])
astype
a menudo es demasiado genérico, y creo que probablemente sea más útil cuando se realizan conversiones intx - inty. Cuando quiero hacer flotante, la conversión int poder elegir el tipo de redondeo es una buena característica.
7.99999
en entradas como entradas 8
es np.rint(arr).astype(int)
?
astype(np.uint8)
puedes usar np.int_
:
>>> x = np.array([[1.0, 2.3], [1.3, 2.9]])
>>> x
array([[ 1. , 2.3],
[ 1.3, 2.9]])
>>> np.int_(x)
array([[1, 2],
[1, 2]])
Si no está seguro de que su entrada será una matriz Numpy, puede usar asarray
con en dtype=int
lugar de astype
:
>>> np.asarray([1,2,3,4], dtype=int)
array([1, 2, 3, 4])
Si la matriz de entrada ya tiene el tipo de letra correcto, asarray
evita la copia de la matriz y astype
no la tiene (a menos que especifique copy=False
):
>>> a = np.array([1,2,3,4])
>>> a is np.asarray(a) # no copy :)
True
>>> a is a.astype(int) # copy :(
False
>>> a is a.astype(int, copy=False) # no copy :)
True
np.inf
onp.nan
de tu matriz, ya que tienen resultados sorprendentes. Por ejemplo,np.array([np.inf]).astype(int)
salidasarray([-9223372036854775808])
.