python - 为什么 NumPy 对数组和标量返回不同的类型？

Question

我在 np.float64 数组和标量中存储了一些整数，我想将其转换为原生 Python int。

这是我的尝试:

import numpy as np

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

def float_to_int(x):
    x_object = x.astype(object)
    return np.floor(x_object)

# Array inputs are converted to int
print(type(float_to_int(a)[0]))
# >> <class 'int'>

# Scalar inputs are left as np.float64
print(type(float_to_int(b)))
# >> <class 'numpy.float64'>

这里有 3 件事我不明白:

1. 为什么标量和数组的类型转换不同？
2. 为什么np.floor()要进行类型转换(对于数组输入)？
3. 如何可靠地将标量和数组的 np.float64 转换为 int？

Answer 1

我相信，由于 Numpy 和 python 数据类型相关但本质上不同，因此您必须将其显式转换为 python 数据类型。

一种方法是:

a = a.astype(np.int64).tolist()
b = int(b)

或者

a = a.astype(np.int64).astype(object)
b = b.astype(np.int64).astype(object)

当您将 numpy 数组转换为 object 时数据类型，它在内部将其存储为 python 对象。对象数据类型很灵活，并且可以在转换过程中进行推断。