如何将int numpy数组的列乘以float数字并保持int？

Question

我有一个numpy数组：

 >>> b
 array([[ 2,  2],
        [ 6,  4],
        [10,  6]])

我想将第一列乘以浮点数，结果我需要int数，因为当我这样做时：

>>> b[:,0] *= 2.1

它说：

TypeError: Cannot cast ufunc multiply output from dtype('float64') to dtype('int64') with casting rule 'same_kind'

我需要看起来像这样的数组：

array([[ 4,  2],
       [12,  4],
       [21,  6]])

Answer 1

@Umang Gupta解决了你的问题。 我很好奇为什么这个有用，所以我发布了我发现的附加上下文。 FWIW这个问题已经在这里被问到并回答了 ，但是这个答案也没有像我希望的那样真正地了解正在发生的事情，所以这是我的尝试：

使用*=运算符调用__imul__()特殊方法来进行Numpy ndarrays的就地乘法，后者又调用通用函数（ufunc） multiply() 。

multiply()中有两个与此相关的参数： out和casting 。

out参数指定输出（及其类型）。 在就地乘法运算符中， out设置为self ，即调用乘法运算的ndarray对象。 特别是， *= 的确切调用如下所示：

ufunc(self, other, out=(self,))

^其中ufunc = multiply ， self = b （ ndarray ，类型int64 ， other = 2.1 （标量，类型float ）

但是， casting参数确定了由于操作而允许哪种数据类型转换的规则。 作为numpy的1.10 ，作为默认值casting被same_kind ， 这意味着 ：

只允许使用float64到float32之类的安全转换或类型转换

由于我们的ufunc调用没有指定的值casting参数，默认（ same_kind ）使用-但因为我们已经指定这会导致问题out为具有int64 D型细胞，这是不一样的那种作为INT输出-by-float乘法。 使用same_kind转换时，操作的float结果无法转换为int 。 这就是我们看到这个错误的原因。

我们可以使用multiply()显式复制此错误：

np.multiply(b, 2.1, out=b)
TypeError: Cannot cast ufunc multiply output from dtype('float64') to dtype('int64') with casting rule 'same_kind'  

通过将参数值设置为"unsafe" ，可以放宽multiply()的casting要求。 然后，当out也被设置时，输出被强制为out类型，无论它是否是同一种类型（如果可能）：

np.multiply(b, 2.1, out=b, casting="unsafe")
# specifying int output and allowing casting to be "unsafe" allows re-conversion to int
array([[ 4,  4],
       [12,  8],
       [21, 12]])

另一方面，使用常规赋值运算符更新b[:,0]是可以的。 这就是@Umang Gupta的解决方案。
附：

b[:,0] = b[:,0]* 2.1

*调用multiply ufunc，就像调用*= 。 但由于它没有调用操作的inplace版本，因此没有指定out参数，因此输出没有set类型。 然后，标准类型转换允许整数向上浮动：

np.multiply(b, 2.1)
# float output
array([[  4.2,   4.2],
       [ 12.6,   8.4],
       [ 21. ,  12.6]])

然后，正常赋值运算符=获取乘法的输出并将其存储在b[:,0] 。 根据Numpy文档为索引数组赋值：

请注意，如果将较高类型分配给较低类型（如浮点数到整数），则分配可能会导致更改

所以问题在于*=运算符自动设置out参数而不将casting参数从same_kind为unsafe 。 （并不是说这是一个错误，只是因为这就是你得到错误的原因。）并且通过利用Numpy中赋值的自动“向下转换”属性，接受的解决方案可以解决这个问题。 希望有所帮助！ （另外，Numpy专业人士，请随时纠正我的任何误解。）

Answer 2

虽然b[:,0] *= 2.1可能不起作用，但b[:,0] = b[:,0]* 2.1有效。