NumPy配列のインプレース型変換

のNumPy配列が与えられた場合、int32それをfloat32 インプレースに変換するにはどうすればよいですか なので基本的には

a = a.astype(numpy.float32)

配列をコピーせずに。大きいです。

これを行う理由は、の計算に2つのアルゴリズムがあるためですa。1つはの配列を返し、もう1つはの配列をint32返しますfloat32（これは2つの異なるアルゴリズムに固有です）。以降のすべての計算では、aがの配列であると想定していfloat32ます。

現在、を介して呼び出されるC関数で変換を行っていctypesます。Pythonでこれを行う方法はありますか？

異なるdtypeでビューを作成し、ビューにインプレースでコピーできます。

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

print(y)

収量

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

変換が適所に行われたことを示すために、から xへのコピーがy変更されたことに注意してくださいx：

print(x)

プリント

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

更新：この関数は、可能な場合にのみコピーを回避するため、これはこの質問に対する正しい答えではありません。unutbuの答えは正しいです。

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

numpy astypeにはコピーフラグがあります。なぜそれを使わないのですか？

次のように変換せずに配列タイプを変更できます。

a.dtype = numpy.float32

しかし、最初にすべての整数を対応する浮動小数点数として解釈されるものに変更する必要があります。これを行う非常に遅い方法は、次のstructようなpythonのモジュールを使用することです。

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

...配列の各メンバーに適用されます。

しかし、おそらくもっと速い方法は、numpyのctypeslibツール（私はこれに慣れていない）を利用することでしょう。

-編集-

ctypeslibは機能していないようなので、通常のnumpy.astype方法で変換を続行しますが、メモリ制限内のブロックサイズで続行します。

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

...完了したら、dtypeを変更します。

以下は、互換性のあるすべてのdtypeのタスクを実行し（同じサイズの項目を持つdtypeでのみ機能）、ユーザーがブロックサイズを制御できる任意の形状の配列を処理する関数です。

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)

配列を変更するには、view（）とパラメーター 'dtype'を使用します。

これを使って：

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)