Convertir un tableau flottant en tableau int dans NumPy
-
Convertir un tableau 2D de Float en Int en utilisant
ndarray.astype()
dans NumPy -
Convertir un tableau 2D de Float en Int en utilisant
ndarray.asarray()
Souvent, nous devons convertir des valeurs flottantes en valeurs entières pour une variété de cas d’utilisation. Le cas est similaire avec les tableaux Python et NumPy.
En utilisant certaines fonctions de NumPy
, nous pouvons facilement convertir des tableaux NumPy flottants 2D en tableaux NumPy entiers 2D.
Dans cet article, nous parlerons de deux de ces méthodes, ndarray.astype()
et numpy.asarray()
.
Convertir un tableau 2D de Float en Int en utilisant ndarray.astype()
dans NumPy
Les tableaux NumPy sont de type ndarray
. Ces objets ont des fonctions intégrées, et l’une de ces fonctions est astype()
. Cette fonction est utilisée pour créer une copie d’un tableau NumPy d’un type spécifique. Cette méthode accepte cinq arguments, à savoir, dtype
, order
, casting
, subok
et copy
. dtype
fait référence au type de données du tableau copié. order
est un argument optionnel et il contrôle la disposition de la mémoire du tableau résultant. Toutes les autres options sont facultatives.
Pour en savoir plus sur les autres paramètres de cette fonction, reportez-vous à la documentation officielle de cette fonction ici
Reportez-vous au code suivant pour mieux comprendre cette fonction.
import numpy as np
myArray = np.array(
[[1.0, 2.5, 3.234, 5.99, 99.99999], [0.3, -23.543, 32.9999, 33.0000001, -0.000001]]
)
myArray = myArray.astype(int)
print(myArray)
Production:
[[ 1 2 3 5 99]
[ 0 -23 32 33 0]]
Convertir un tableau 2D de Float en Int en utilisant ndarray.asarray()
Deuxièmement, nous pouvons utiliser la fonction asarray()
. Cette fonction accepte quatre arguments, a
, dtype
, order
et like
.
a
fait référence au tableau d’entrée qui doit être converti.dtype
fait référence au type de données vers lequel le tableau doit être converti. Fait intéressant,dtype
est un argument optionnel, et sa valeur par défaut est déduite de l’entrée elle-même.order
etlike
sont également d’autres arguments optionnels.order
fait référence à la disposition de la mémoire du tableau de sortie.
Pour en savoir plus sur les arguments de cette fonction, reportez-vous à la documentation officielle de cette fonction ici
import numpy as np
myArray = np.array([[1.923, 2.34, 23.134], [-24.000001, 0.000001, -0.000223]])
myArray = np.asarray(myArray, dtype=int)
print(myArray)
Production:
[[ 1 2 23]
[-24 0 0]]
Dans le code ci-dessus, le type de données est mentionné comme int
, et le tableau de sortie est également un tableau NumPy entier.