Типы данных и astype

Коротко

• Все элементы массива одного типа (dtype). По умолчанию целые — int64, дробные — float64.
• a.astype(тип) возвращает новый массив нужного типа. Из float в int дробная часть отбрасывается (к нулю), а не округляется.
• Целые в массиве переполняются молча: int8 после 127 переходит в −128. Пределы типа — np.iinfo, для float — np.finfo.
• Запись в массив приводит значение к его типу: 9.9 в целом массиве станет 9, а NaN туда не записать.
• Число Python не расширяет тип массива (правила NEP 50 в NumPy 2): float32 + 3.0 остаётся float32.

Синтаксис

a.dtype                  # dtype('int64')
a.astype(np.float32)     # или "float32", float, int, bool, str
np.array(data, dtype=np.int16)
np.iinfo(np.int8)        # min, max для целых
np.finfo(np.float64)     # eps, max, точность для дробных

Параметры

Примеры

for data in ([1, 2, 3], [1.0, 2], [True, False], ["да", "нет"]):
    print(np.array(data).dtype)

int64
float64
bool
<U3

prices = np.array([19.99, 5.5, -2.7])
print(prices.astype(int))        # дробная часть отбрасывается, к нулю
print(prices.astype(np.float32))
np.array(["1.5", "2", "-3"]).astype(float)

[19  5 -2]
[19.99  5.5  -2.7 ]
array([ 1.5,  2. , -3. ])

print(np.iinfo(np.int8).min, np.iinfo(np.int8).max)
print(np.iinfo(np.int64).max)
np.finfo(np.float32).eps

-128 127
9223372036854775807
np.float32(1.1920929e-07)

Подводные камни

level = np.array([120, 127], dtype=np.int8)
level + 10                       # вышли за 127 — значения «перевернулись»

array([-126, -119], dtype=int8)

counts = np.array([1, 2, 3])
counts[0] = 9.9                  # массив целый — дробь отброшена
counts

array([9, 2, 3])

counts = np.array([1, 2, 3])
counts[0] = np.nan

ValueError: cannot convert float NaN to integer

x = np.float32(3) + 3.0
x.dtype

dtype('float32')

np.array([100], dtype=np.int8) + 200

OverflowError: Python integer 200 out of bounds for int8