Skip to main content
 首页 » 编程设计

python之如何有效地检查 numpy 数组是否可以转换为另一种整数类型

2025年02月15日9bonelee

假设我有一个整数类型的 numpy 数组(比如 np.int64),我想将它转换为另一种类型(比如 np.int8)。如何最有效地检查操作是否安全(保留所有值)?

我想到了两种方法:

方法一:使用类型信息

def is_safe(data, new_type): 
    if np.can_cast(data, new_type): 
        return True    # Handle the trivial allowed cases 
    type_info = np.iinfo(new_type) 
    return np.all((data >= type_info.min) & (data <= type_info.max)) 

方法 2:对所有项目使用 np.can_cast

def is_safe(data, new_type): 
    if np.can_cast(data, new_type): 
        return True    # Handle the trivial allowed cases 
    return all(np.can_cast(item, new_type) for item in np.nditer(item))  

这两种方法似乎都是有效的(并且适用于微不足道的情况),但它们是否正确且有效?还有其他更好的方法吗?

附言更复杂的是,np.can_cast(np.int8, np.uint64) 返回 False(自然地),因此必须分别检查有符号和无符号整数之间的变化。

请您参考如下方法:

如果您已经知道数组是 NumPy 整数类型,那么唯一需要检查的是这些值是否在目标整数范围的最小值/最大值指定的范围内。这是一个比通用 can_cast 简单得多的检查,它没有关于它所提供的东西的先验知识。因此,can_cast 需要更长的时间。我在将整数 0-99 从 np.int64 转换为 np.int8 时对此进行了测试。

因此,虽然这两种方法都是正确的,但如果您知道 data 是 NumPy 整数数组,则第一种方法更可取。

>>> timeit.timeit("np.all((data >= type_info.min) & (data <= type_info.max))", setup="import numpy as np\ndata = np.array(range(100), dtype=np.int64)\ntype_info = np.iinfo(np.int8)") 
6.745509549000417 
>>> timeit.timeit("all(np.can_cast(item, np.uint8) for item in np.nditer(data))", setup="import numpy as np\ndata = np.array(range(100), dtype=np.int64)") 
51.0065170609887 

将最小值和最大值分配给新变量的速度稍快(20% 左右):

type_info = np.iinfo(new_type) 
a = type_info.min 
b = type_info.max 
return np.all((data >= a) & (data <= b))