python - 如何有效地检查 numpy 数组是否可以转换为另一种整数类型？

Question

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。

Answer 1

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))