numpy的dtype，astype

综述：

np类型的a如果直接修改如：a.dtype='int16'，那么直接会修改a，会导致长度的不一致，如果要直接修改则要采用astype方法如：b=a.astype('int16')，a保持不变，b的长度等于a，并且type由a变成了int16，或者调用b=np.array(a,dtype='int16'),效果和astype一样。另外b=np.array(a,dtype=np.int16)中的np.int16是一样的

float类型默认float64=float，int类型默认int64=int，uint类型默认uint64=uint。产生数组的时候如果指定，默认就是float64.

很重要：
np.array模型数据类型是float，等于float64，但是pytorch中默认是float32，所以现在转，省的以后转格式。

np.array(matrix, dtype="float32")

开始

>>> import numpy as np

生成一个浮点数组

>>> a = np.random.random(4)

看看信息

>>> a
array([ 0.0945377 ,  0.52199916,  0.62490646,  0.21260126])
>>> a.dtype
dtype('float64')
>>> a.shape
(4,)

改变dtype，发现数组长度翻倍！

>>> a.dtype = 'float32'
>>> a
array([  3.65532693e+20,   1.43907535e+00,  -3.31994873e-25,
         1.75549972e+00,  -2.75686653e+14,   1.78122652e+00,
        -1.03207532e-19,   1.58760118e+00], dtype=float32)
>>> a.shape
(8,)

改变dtype，数组长度再次翻倍！

>>> a.dtype = 'float16'
>>> a
array([ -9.58442688e-05,   7.19000000e+02,   2.38159180e-01,
         1.92968750e+00,              nan,  -1.66034698e-03,
        -2.63427734e-01,   1.96875000e+00,  -1.07519531e+00,
        -1.19625000e+02,              nan,   1.97167969e+00,
        -1.60156250e-01,  -7.76290894e-03,   4.07226562e-01,
         1.94824219e+00], dtype=float16)
>>> a.shape
(16,)

改变dtype='float'，发现默认就是float64，长度也变回最初的4

>>> a.dtype = 'float'
>>> a
array([ 0.0945377 ,  0.52199916,  0.62490646,  0.21260126])
>>> a.shape
(4,)
>>> a.dtype
dtype('float64')

把a变为整数，观察其信息

>>> a.dtype = 'int64'
>>> a
array([4591476579734816328, 4602876970018897584, 4603803876586077261,
       4596827787908854048], dtype=int64)
>>> a.shape
(4,)

改变dtype，发现数组长度翻倍！

>>> a.dtype = 'int32'
>>> a
array([ 1637779016,  1069036447, -1764917584,  1071690807,  -679822259,
        1071906619, -1611419360,  1070282372])
>>> a.shape
(8,)

改变dtype，发现数组长度再次翻倍！

>>> a.dtype = 'int16'
>>> a
array([-31160,  24990,  13215,  16312,  32432, -26931, -19401,  16352,
       -17331, -10374,   -197,  16355, -20192, -24589,  13956,  16331], dtype=int16)
>>> a.shape
(16,)

改变dtype，发现数组长度再次翻倍！

>>> a.dtype = 'int8'
>>> a
array([  72, -122,  -98,   97,  -97,   51,  -72,   63,  -80,  126,  -51,
       -106,   55,  -76,  -32,   63,   77,  -68,  122,  -41,   59,   -1,
        -29,   63,   32,  -79,  -13,  -97, -124,   54,  -53,   63], dtype=int8)
>>> a.shape
(32,)

改变dtype，发现整数默认int64！

>>> a.dtype = 'int'
>>> a.dtype
dtype('int64')
>>> a array([4591476579734816328, 4602876970018897584, 4603803876586077261,
             4596827787908854048], dtype=int64)
>>> a.shape
(4,)

二、换一种玩法

很多时候我们用numpy从文本文件读取数据作为numpy的数组，默认的dtype是float64。
但是有些场合我们希望有些数据列作为整数。如果直接改dtype='int'的话，就会出错！原因如上，数组长度翻倍了！！！

下面的场景假设我们得到了导入的数据。我们的本意是希望它们是整数，但实际上是却是浮点数(float64)

>>> b = np.array([1., 2., 3., 4.])
>>> b.dtype
dtype('float64')

用 astype(int) 得到整数，并且不改变数组长度

>>> c = b.astype(int)
>>> c
array([1, 2, 3, 4])
>>> c.shape
(4,)
>>> c.dtype
dtype('int64')

如果直接改变b的dtype的话，b的长度翻倍了，这不是我们想要的（当然如果你想的话）如果是float64转到int64那么长度不变，如果转到int32那么长度就会改变

>>> b
array([ 1.,  2.,  3.,  4.])

>>> b.dtype = 'int32'
>>> b.dtype
dtype('int32')
>>> b
array([         0, 1072693248,          0, 1073741824,          0,
       1074266112,          0, 1074790400], dtype=int32)
>>> b.shape
(8,)

三、结论

numpy中的数据类型转换，不能直接改原数据的dtype!  只能用函数astype()。