将 numpy ndarray 转换为非 numpy 数据类型答案

【问题标题】：Convert numpy ndarray to non-numpy datatype将 numpy ndarray 转换为非 numpy 数据类型
【发布时间】：2014-02-07 17:48:36
【问题描述】：

我正在尝试将np.ndarray 的元素转换为本机整数类型。

>>> x = np.array([1, 2, 2.5])
>>> type(x[0])
<type 'numpy.float64'>
>>> type(x.astype(int)[0])
<type 'numpy.int64'>

我想要的是：

>>> type(x.astype('something here')[0])
<type 'int'>

这是在pandas 上下文中提出的原始问题，但结果归结为np.ndarray.astype() 的问题

astype(int) 维护 Series 中整数的 numpy-ness：

>>> s = pd.Series([1,2,3])
>>> type(s[0])
<type 'numpy.int64'>
>>> type(s[0].astype(int))
<type 'numpy.int64'>

有没有办法将一个系列，甚至只是一个系列的一个元素转换为原生数据类型，以便实现以下目标？

>>> type(s[0].dosomething())
<type 'int'>

我为什么要问这个？

我正在尝试使用 networkx.write_gexf() 将 pandas.DataFrame 导出为 GEXF 格式。

出口商坚持所有使用的数据都以int、float、bool 或其他一些方式响应type(x)。它不知道如何处理numpy.int64。

【问题讨论】：

假设df 是您的DataFrame，为什么不先使用g = nx.from_numpy_matrix(df.values) 将您的DataFrame 转换为NetworkX 对象？那么就只是nx.write_gexf(g, path)?
（嗨，Rob，我是 Stephan）
我正在尝试将属性添加到我的边缘。 nx.set_edge_attributes(G, 'myattr', df['attribute'].astype(int).to_dict()) 工作正常，但随后 nx.write_gexf() 抱怨。
嗯。事后我从未添加过属性，只是一次从 df 构建它，然后重新标记它。
@DSM 是对的，设置 dtype=object 将数据从基本的 numpy 类型更改为 python 对象（实际上它并没有更改它，但允许它改变）。当然，object dtypes 上的操作性能会低得多（但如果你想把数据取出来，可能会比 2 u 更重要）

标签： numpy pandas networkx

【解决方案1】：

根据 cmets，您可能不需要这个，但要回答当前的问题，您可以使用 item 方法。例如：

In [78]: x = np.array([1.0, 2.0, 3.0])

In [79]: x.dtype
Out[79]: dtype('float64')

In [80]: x.item(0)
Out[80]: 1.0

In [81]: type(x.item(0))
Out[81]: float

In [82]: y = np.array([1, 2, 3], dtype=np.int32)

In [83]: type(y.item(0))
Out[83]: int

In [84]: type(y[0])
Out[84]: numpy.int32

要一次转换整个数组，tolist 方法会将元素转换为最接近的兼容 Python 类型：

In [95]: xlist = x.tolist()

In [96]: xlist
Out[96]: [1.0, 2.0, 3.0]

In [97]: type(xlist[0])
Out[97]: float

In [98]: ylist = y.tolist()

In [99]: ylist
Out[99]: [1, 2, 3]

In [100]: type(ylist[0])
Out[100]: int

【讨论】：