更改dtype

Question

为什么更改numpy数组的元素类型会改变数组的形状？我是numpy的新手，我试图将dtype从现有的np.int32更改为np.float16。这样做会改变数组的形状，但更改为np.float32不会修改形状。

>>> import numpy as np
>>> arr1=np.array([1,2,3,4]
>>> arr1
array([1, 2, 3, 4])
>>> arr1.shape
(4,)
>>> arr1.dtype=np.float16
>>> arr1
array([  5.96046448e-08,   0.00000000e+00,   1.19209290e-07,
     0.00000000e+00,   1.78813934e-07,   0.00000000e+00,
     2.38418579e-07,   0.00000000e+00], dtype=float16)
>>> arr1.shape
(8,)

Answer 1

因为更改数组的数据类型会改变实际存储的字节数，以及它们中有多少组成一个值。 您的初始数组可能具有数据类型int32，因此四个值中的每一个都包含四个字节：

a = np.array([1, 2, 3, 4], dtype=np.int32)
a
>>> array([1, 2, 3, 4], dtype=int32)
bytes(a)
>>> b'\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00\x04\x00\x00\x00'

更改数据类型不会更改存储的字节，而只会改变它们的含义：

a.dtype = np.float16
bytes(a)
>>> b'\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00\x04\x00\x00\x00'
a
>>> array([  5.96046448e-08,   0.00000000e+00,   1.19209290e-07,
     0.00000000e+00,   1.78813934e-07,   0.00000000e+00,
     2.38418579e-07,   0.00000000e+00], dtype=float16)

要实际转换值，请使用.astype：

a.astype(np.float32)
>>> array([ 1.,  2.,  3.,  4.], dtype=float32)

Answer 2

您不应该使用atrtibute dtype来“更改”数组的dtype。您还可以看到，与原始数字相比，新数字没有意义。

相反，您应该使用arr1.astype(np.float16)。

我的猜测是，通过直接更改dtype，你只需告诉numpy改变每个元素读取的内存量。因此，由于你从float32减少到float16，这是内存表示的一半，你得到的是大小的两倍。

Answer 3

如果要更改数组的数据类型，则应执行arr1.astype(np.float16)。

我对此并不完全确定，但我猜numpy通过将数组的内存使用量除以数据类型的大小来计算形状。

如果你直接修改dtype，那么数组仍然认为它的元素大小相同，所以你可能会得到不同的答案。