NumPyのastypeによるデータ型の変換（キャスト）について

ゆうすけ

NumPyのastype()の使い方がイマイチ分かりません。

資格マフィア

astype()はNumPyオブジェクトのデータ型を変換するときに使われる。
NumPyのデータ型についても併せて解説しよう。

✔️ 本記事のテーマ

✔️ 読者さんへの前置きメッセージ

本記事は「NumPyオブジェクトのデータ型とその変換」について書いています。

NumPyオブジェクトはその場合に応じたデータ型を取ります。

そして、そのデータ型はastype()を使うことで自由に変換（キャスト）することができます。

しかし、その一方で、NumPyのデータ型変換にはいくつかの特徴があり、
キャストする際にはその特徴を理解しておく必要があるでしょう。

この記事では

• Numpyのデータ型一覧
• Numpyのデータ型変換の仕様

についてサンプルコードとともに解説します。

それでは、解説していきましょう。

NumPyのデータ型一覧

一覧化すると、Numpyオブジェクトは以下のデータ型を取ります。

NumPyオブジェクトの生成時に各データ型を指定することで、
任意のデータ型でオブジェクトを生成することができます。

また、データ型の指定は np.XXX , 文字列 , 型コード のいずれの指定でもOKです。

import numpy as np


np_sample = np.array([1, 2, 3], dtype=np.int8)
print(np_sample.dtype)
# int8

np_sample = np.array([1, 2, 3], dtype='int8')
print(np_sample.dtype)
# int8

np_sample = np.array([1, 2, 3], dtype='i1')
print(np_sample.dtype)
# int8

Numpyのデータ型変換（astype）

Numpyのデータ型変換は astype() で行うことができます。

astype() はndarry（NumPy配列）のメソッドです。

試しにコードを書いてみましょう。

import numpy as np


sample_int = np.array([1, 2, 3], dtype=np.int8)
print(a)
print(a.dtype)
# [1 2 3]
# int64

a_float = a.astype(np.float32)
print(a_float)
print(a_float.dtype)
# [1. 2. 3.]
# float32

この通り、astype()をかけることでint -> float へとデータ型を変換することができました。

Numpyのデータ型変換の注意点

便利なNumpyのデータ変換ですが、
Numpyのデータ型を変換する際には以下の場合において注意点があります。

• float -> int の変換（キャスト）
• 暗黙の型変換

順番に解説しましょう。

float -> int の変換（キャスト）

float型からint型へ変換する場合に、
astype()でキャストすると小数点以下は切り捨てられます。

例えば、コードで示すと、以下の通りです。

import numpy as np


sample_float = np.array([-1.1, -3.3, 5.5, 7.7, 9.9, 0.8, -0.6])
print(sample_float)
# [-1.1 -3.3  5.5  7.7  9.9  0.8 -0.6]
print(sample_float.dtype)
# float64

sample_int = sample_float.astype('int64')
print(sample_int)
# [-1 -3  5  7  9  0  0]
print(sample_int.dtype)
# int64

小数点は四捨五入ではなく切り捨ての扱いになっています。

これにより 0.8 も -0.6 も 0 に丸められています。

暗黙の型変換

NumPyでは astype() を使わずとも、
演算の結果として、暗黙的に型変換がされる場合があります。

例えば、np.int であっても / 演算子による除算の結果は float に変換されます。

import numpy as np


sample_list = np.array([1, 2, 3])

print(sample_list.dtype)
# int64

print((sample_list / 2).dtype)
# float64

また、int型 + float型 ,  int型 * float型 , int型 – float型 など、
除算以外の四則演算も float型 を混ぜると 演算結果は float型 に変換されます。

import numpy as np


sample_list = np.array([1, 2, 3])

print(sample_list.dtype)
# int64

print((sample_list + 1.0).dtype)
# float64

print((sample_list * 1.0).dtype)
# float64

print((sample_list - 1.0).dtype)
# float64

一方、int型同士の演算結果はそのままint型となります。

import numpy as np


sample_list = np.array([1, 2, 3])

print(sample_list.dtype)
# int64

print((sample_list + 1).dtype)
# int64

print((sample_list * 1).dtype)
# int64

print((sample_list - 1).dtype)
# int64

Numpyについてスキルをつけるための一冊

今回は Numpy の astype() によるデータ型のキャストついて解説しました。

Numpyは画像認識や機械学習を行う上では、欠かすことのできないライブラリです。

Numpyについてスキルをつけるなら、以下の書籍がオススメです。

この書籍はNumPyを使った、
データ分析や機械学習の世界に入門するのに最適な書籍です。

NumPy 独自の配列や演算などの概念がていねいに解説されています。

また、出版元もIT技術書の世界では、有名なオライリー社です。

エンジニアとしての自身の価値をチェックする（完全無料）

エンジニアとして、

自分の価値がどれくらいのものかご存知でしょうか？

エンジニアとしてIT業界に身を置いていると

今の会社でずっと働くのか、フリーランスとして独立するのか …

と様々な選択肢があります。

どの選択肢が正解なのかを見極めるためにも、選択肢を広げるためにも

自身の価値を知っておくことはとても重要です。

TechClips ME では、

職務経歴書をアップロードするだけで企業からのスカウトを受けることができます。

▼▼▼▼▼

▲▲▲▲▲

しかもTechClips MEでは想定年収を企業から提示してくれるので、

自身の価値を数字で分かりやすくたしかめることができます。

登録はもちろん完全無料なので、一度登録してみると良いかもしれません。