numpy dtypesをネイティブPythonタイプに変換する

numpy dtypeがある場合、それを最も近いpythonデータ型に自動的に変換するにはどうすればよいですか？例えば、

numpy.float32 -> "python float"
numpy.float64 -> "python float"
numpy.uint32  -> "python int"
numpy.int16   -> "python int"

私はこれらすべてのケースのマッピングを思い付くように試みることができましたが、numpyはそのdtypeを可能な限り最も近いネイティブのpythonタイプに自動的に変換する方法をいくつか提供していますか？このマッピングは完全である必要はありませんが、Pythonアナログに近い一般的なdtypeを変換する必要があります。私はすでにこれが派手にどこかで起こっていると思います。

val.item()ほとんどのNumPy値をネイティブPythonタイプに変換するために使用します。

import numpy as np

# for example, numpy.float32 -> python float
val = np.float32(0)
pyval = val.item()
print(type(pyval))         # <class 'float'>

# and similar...
type(np.float64(0).item()) # <class 'float'>
type(np.uint32(0).item())  # <class 'long'>
type(np.int16(0).item())   # <class 'int'>
type(np.cfloat(0).item())  # <class 'complex'>
type(np.datetime64(0, 'D').item())  # <class 'datetime.date'>
type(np.datetime64('2001-01-01 00:00:00').item())  # <class 'datetime.datetime'>
type(np.timedelta64(0, 'D').item()) # <class 'datetime.timedelta'>
...

（もう1つの方法はですがnp.asscalar(val)、NumPy 1.16以降は非推奨です）。

好奇心旺盛な方のために、システムのNumPy配列スカラーの変換表を作成するには：

for name in dir(np):
    obj = getattr(np, name)
    if hasattr(obj, 'dtype'):
        try:
            if 'time' in name:
                npn = obj(0, 'D')
            else:
                npn = obj(0)
            nat = npn.item()
            print('{0} ({1!r}) -> {2}'.format(name, npn.dtype.char, type(nat)))
        except:
            pass

含むいくつかのシステム上でネイティブのPython同等を持っていないいくつかのnumpyのタイプがありますclongdouble、clongfloat、complex192、complex256、float128、longcomplex、longdoubleとlongfloat。これらは、を使用する前に、最も近いNumPyに変換する必要があります.item()。

私はnumpyタイプのセットと標準のpythonを混合していることに気付きました。すべてのnumpy型がから派生しているnumpy.genericので、すべてをpython標準型に変換する方法は次のとおりです。

if isinstance(obj, numpy.generic):
    return numpy.asscalar(obj)

（numpy.array OR numpyスカラーORネイティブ型OR numpy.darray）をネイティブ型に変換する場合は、次のように簡単に実行できます。

converted_value = getattr(value, "tolist", lambda: value)()

tolistは、スカラーまたは配列をpythonネイティブ型に変換します。デフォルトのラムダ関数は、値がすでにネイティブである場合を処理します。

どうですか：

In [51]: dict([(d, type(np.zeros(1,d).tolist()[0])) for d in (np.float32,np.float64,np.uint32, np.int16)])
Out[51]: 
{<type 'numpy.int16'>: <type 'int'>,
 <type 'numpy.uint32'>: <type 'long'>,
 <type 'numpy.float32'>: <type 'float'>,
 <type 'numpy.float64'>: <type 'float'>}

tolist()これを実現するためのより一般的なアプローチです。任意のプリミティブdtypeで動作し、配列または行列でも動作します。

プリミティブ型から呼び出された場合、実際にはリストを生成しません。

numpy == 1.15.2

>>> import numpy as np

>>> np_float = np.float64(1.23)
>>> print(type(np_float), np_float)
<class 'numpy.float64'> 1.23

>>> listed_np_float = np_float.tolist()
>>> print(type(listed_np_float), listed_np_float)
<class 'float'> 1.23

>>> np_array = np.array([[1,2,3.], [4,5,6.]])
>>> print(type(np_array), np_array)
<class 'numpy.ndarray'> [[1. 2. 3.]
 [4. 5. 6.]]

>>> listed_np_array = np_array.tolist()
>>> print(type(listed_np_array), listed_np_array)
<class 'list'> [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]]

変換するオブジェクトのitem()メソッドを呼び出すこともできます。

>>> from numpy import float32, uint32
>>> type(float32(0).item())
<type 'float'>
>>> type(uint32(0).item())
<type 'long'>

私はあなたがこのような一般的な型変換関数を書くことができると思います：

import numpy as np

def get_type_convert(np_type):
   convert_type = type(np.zeros(1,np_type).tolist()[0])
   return (np_type, convert_type)

print get_type_convert(np.float32)
>> (<type 'numpy.float32'>, <type 'float'>)

print get_type_convert(np.float64)
>> (<type 'numpy.float64'>, <type 'float'>)

つまり、固定リストはなく、コードはより多くの型でスケーリングされます。

numpyはtypeDict、以下のようなことができるように公開されたマッピングにその情報を保持します。

>>> import __builtin__
>>> import numpy as np
>>> {v: k for k, v in np.typeDict.items() if k in dir(__builtin__)}
{numpy.object_: 'object',
 numpy.bool_: 'bool',
 numpy.string_: 'str',
 numpy.unicode_: 'unicode',
 numpy.int64: 'int',
 numpy.float64: 'float',
 numpy.complex128: 'complex'}

名前ではなく実際のPythonタイプが必要な場合は、次のようにできます::

>>> {v: getattr(__builtin__, k) for k, v in np.typeDict.items() if k in vars(__builtin__)}
{numpy.object_: object,
 numpy.bool_: bool,
 numpy.string_: str,
 numpy.unicode_: unicode,
 numpy.int64: int,
 numpy.float64: float,
 numpy.complex128: complex}

一部遅れて申し訳ありませんが、numpy.float64通常のPython floatのみに変換する問題を検討していました。私はそれを行う3つの方法を見ました。

1. npValue.item()
2. npValue.astype(float)
3. float(npValue)

IPythonからの関連するタイミングは次のとおりです。

In [1]: import numpy as np

In [2]: aa = np.random.uniform(0, 1, 1000000)

In [3]: %timeit map(float, aa)
10 loops, best of 3: 117 ms per loop

In [4]: %timeit map(lambda x: x.astype(float), aa)
1 loop, best of 3: 780 ms per loop

In [5]: %timeit map(lambda x: x.item(), aa)
1 loop, best of 3: 475 ms per loop

float(npValue)はるかに速いように思えます。

私のアプローチは少し強力ですが、すべての場合にうまくいくようです：

def type_np2py(dtype=None, arr=None):
    '''Return the closest python type for a given numpy dtype'''

    if ((dtype is None and arr is None) or
        (dtype is not None and arr is not None)):
        raise ValueError(
            "Provide either keyword argument `dtype` or `arr`: a numpy dtype or a numpy array.")

    if dtype is None:
        dtype = arr.dtype

    #1) Make a single-entry numpy array of the same dtype
    #2) force the array into a python 'object' dtype
    #3) the array entry should now be the closest python type
    single_entry = np.empty([1], dtype=dtype).astype(object)

    return type(single_entry[0])

使用法：

>>> type_np2py(int)
<class 'int'>

>>> type_np2py(np.int)
<class 'int'>

>>> type_np2py(str)
<class 'str'>

>>> type_np2py(arr=np.array(['hello']))
<class 'str'>

>>> type_np2py(arr=np.array([1,2,3]))
<class 'int'>

>>> type_np2py(arr=np.array([1.,2.,3.]))
<class 'float'>

自動変換を必要とせず、値のnumpy dtypeを知っている人のための配列スカラーに関する補足：

配列スカラーはPythonスカラーとは異なりますが、ほとんどの場合交換可能に使用できます（主な例外はv2.xより古いバージョンのPythonで、整数配列スカラーはリストやタプルのインデックスとして機能できません）。コードがスカラーの非常に特定の属性を必要とする場合や、値がPythonスカラーかどうかを具体的にチェックする場合など、いくつかの例外があります。一般的に、問題は、対応するPython型関数（int、float、complex、str、unicodeなど）を使用して、配列スカラーを明示的にPythonスカラーに変換することで簡単に修正できます。

ソース

したがって、ほとんどの場合、変換はまったく必要なく、配列スカラーを直接使用できます。効果は、Pythonスカラーを使用した場合と同じになります。

>>> np.issubdtype(np.int64, int)
True
>>> np.int64(0) == 0
True
>>> np.issubdtype(np.float64, float)
True
>>> np.float64(1.1) == 1.1
True

しかし、何らかの理由で明示的な変換が必要な場合は、対応するPython組み込み関数を使用する方法があります。他の答えに示されているように、配列スカラーitem()メソッドよりも高速です。

1つの単位データオブジェクトではなく、ndarray全体を変換します。

def trans(data):
"""
translate numpy.int/float into python native data type
"""
result = []
for i in data.index:
    # i = data.index[0]
    d0 = data.iloc[i].values
    d = []
    for j in d0:
        if 'int' in str(type(j)):
            res = j.item() if 'item' in dir(j) else j
        elif 'float' in str(type(j)):
            res = j.item() if 'item' in dir(j) else j
        else:
            res = j
        d.append(res)
    d = tuple(d)
    result.append(d)
result = tuple(result)
return result

ただし、大きなデータフレームを処理する場合は数分かかります。より効率的なソリューションも探しています。より良い答えを願っています。