Conversión de tipo in situ de una matriz NumPy

Dada una matriz NumPy de int32, ¿cómo la convierto float32 en su lugar ? Básicamente, me gustaría hacer

a = a.astype(numpy.float32)

sin copiar la matriz. Es grande.

La razón para hacer esto es que tengo dos algoritmos para el cálculo de a. Uno de ellos devuelve una matriz de int32, el otro devuelve una matriz de float32(y esto es inherente a los dos algoritmos diferentes). Todos los cálculos adicionales suponen que aes una matriz de float32.

Actualmente hago la conversión en una función C llamada vía ctypes. ¿Hay alguna manera de hacer esto en Python?

Puede crear una vista con un tipo diferente y luego copiar in situ en la vista:

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

print(y)

rendimientos

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

Para mostrar la conversión estaba en el lugar, nota que la copia de x al yalterada x:

print(x)

huellas dactilares

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

Actualización: esta función solo evita la copia si puede, por lo tanto, esta no es la respuesta correcta para esta pregunta. La respuesta de unutbu es la correcta.

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

Astype numpy tiene una bandera de copia. ¿Por qué no deberíamos usarlo?

Puede cambiar el tipo de matriz sin convertir así:

a.dtype = numpy.float32

pero primero debe cambiar todos los enteros a algo que se interpretará como el flotante correspondiente. Una forma muy lenta de hacer esto sería usar el structmódulo de Python como este:

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

... aplicado a cada miembro de su matriz.

Pero quizás una forma más rápida sería utilizar las herramientas ctypeslib de numpy (con las que no estoy familiarizado)

- editar -

Como ctypeslib no parece funcionar, entonces procedería con la conversión con el numpy.astypemétodo típico , pero procedería en tamaños de bloque que estén dentro de los límites de su memoria:

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

... luego cambie el dtype cuando haya terminado.

Aquí hay una función que realiza la tarea para cualquier tipo de dt compatible (solo funciona para dtypes con elementos del mismo tamaño) y maneja matrices de forma arbitraria con control del usuario sobre el tamaño del bloque:

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)

use view () y el parámetro 'dtype' para cambiar la matriz en su lugar.

Utilizar este:

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)