numpy.ndarray.astype – 配列のデータ型を変更

ndarray.astypeは、配列のデータ型(dtype)を変更した新しい配列を生成するメソッドです。

なお、NumPyのdtypeについては『NumPyのdtypeの一覧と参照・指定・変更方法』で解説しています。この記事では型を指定する時の書き方なども触れているので、この記事とあわせてご確認ください。

それでは見ていきましょう。

1. ndarray.astypeの使い方

まずは、ndarray.astypeの書き方やオプション引数を確認しましょう。

基本的には必須引数であるdtypeの指定だけで事足ります。それ以外のオプション引数を指定するケースは通常はあまりないと思いますが、こういう引数があるということは知っておいて損になりません。

ndarray.astype(dtype, order='K', casting='unsafe', subok=True, copy=True)

冒頭でもお伝えしていますが、全ての引数を使いこなせるようになる必要性はさほどありません。

このメソッドを使って、型を変換できるようになることが大切です。それでは、実際のコードで解説していきます。

1.1. 既存の配列のdtypeを変更した新しい配列を生成

ndarray.astypeは、既存の配列のdtypeを変更した新しい配列を生成します。早速、実際に見てみましょう。

型変換する時の書き方ですが、例えば、float型を指定する場合は、

• float
• np.float
• ‘float’（文字列型）

のいずれの書き方でも可能です。

ビット数も変換したい場合は、例えば、

• np.float32
• ‘float32’
• ‘f4’

のいずれかの書き方で可能です。最後の’f4’は型コードです。これらは、『NumPyのdtypeの一覧と参照・指定・変更方法』で解説しているので目を通しておきましょう。

それでは、まず、以下のコードで、dtypeがfloat型の配列を生成します。

import numpy as np
#  要素がfloat型の配列を生成
arr1 = np.array([1.0, 2.0, 2.5, 3.5])
print(arr1)
print(arr1.dtype)

[1.  2.  2.5 3.5]
float64

この配列をndarray.astypeでint型に変換したものが以下です。

#  arr1のdtypeをint型に変換した新しい配列を生成
arr2 = arr1.astype(int)
print(arr2)
print(arr2.dtype)

[1 2 2 3]
int64

float型からint型に変更されていますね。

ここで確認しておきたいのは、Python3標準ではfloat型からint型に変更した時は、小数点以下は四捨五入ではなく切り捨てになる点です。詳しく見ておきましょう。

まずは、-2から2.9までの数値を0.1刻みにしたshape(5, 10)の配列を生成しています。

'''  floatをintに変換した場合は小数点以下は切り下げ、負の値は0になる  '''

arr_f = np.arange(-20, 30).reshape(5, 10)/10
print(arr_f)

[[-2.  -1.9 -1.8 -1.7 -1.6 -1.5 -1.4 -1.3 -1.2 -1.1]
 [-1.  -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1]
 [ 0.   0.1  0.2  0.3  0.4  0.5  0.6  0.7  0.8  0.9]
 [ 1.   1.1  1.2  1.3  1.4  1.5  1.6  1.7  1.8  1.9]
 [ 2.   2.1  2.2  2.3  2.4  2.5  2.6  2.7  2.8  2.9]]

この配列をndarray.astypeで、int型に変換したものが以下です。符号に関係なく、小数点以下が切り捨てになっている点をご確認ください。

arr_i = arr_f.astype(int)
print(arr_i)

[[-2 -1 -1 -1 -1 -1 -1 -1 -1 -1]
 [-1  0  0  0  0  0  0  0  0  0]
 [ 0  0  0  0  0  0  0  0  0  0]
 [ 1  1  1  1  1  1  1  1  1  1]
 [ 2  2  2  2  2  2  2  2  2  2]]

このようにfloat型をint型に変換する時は丸めのルールに注意が必要だということを覚えておきましょう。

なお、以下のコードのように異なるビット数を指定することもできます。

'''  ビット数の指定も可能  '''
#  float64の配列をfloat32に変換した新しい配列を生成
arr3= arr1.astype(np.float32)
print(arr3)
print(arr3.dtype, '\n')

#  float64の配列をint32に変換した新しい配列を生成
arr4 = arr1.astype('int32')
print(arr4)
print(arr4.dtype)

[1.  2.  2.5 3.5]
float32 

[1 2 2 3]
int32

ただし、ビット数が変わると、思いがけないところで数値の丸めのルールが変わってしまうので、本当に必要な時以外は、ビット数を変更しない方が無難です。

また、complex型（複素数）の配列をint型かfloat型に変更しようとすると、以下のようにエラーになります。

import numpy as np
arr1 = np.array([1, 2, 3], dtype=complex)
print(arr1)
print(arr1.dtype)

[1.+0.j 2.+0.j 3.+0.j]
complex128

arr2 = arr1.astype(int)

/anaconda3/lib/python3.7/site-packages/ipykernel_launcher.py:1: ComplexWarning: Casting complex values to real discards the imaginary part
  """Entry point for launching an IPython kernel.

これを避けるには、ndarrayのreal属性に対してndarray.astypeを実行します。real属性は複素数の実数部分のデータを保持しているインスタンス変数で、「配列.real」で参照することができます。

arr3 = arr1.real.astype(int)
print(arr3)

[1 2 3]

1.2. メモリレイアウトの変更(order)

NumPyの配列には、メモリレイアウト（メモリに格納する際の要素の並べ方）というものがあります。オプション引数orderでこれを指定することができます。

NumPyのメモリレイアウトにはC言語方式とFortran方式という2つの方式があります。

以下のコードは、それを明示的に表したものです。

'''  C言語方式（デフォルト）  '''
arr_c = np.arange(6).reshape((2, 3), order='C')
print('C言語方式\n', arr_c, '\n')

'''  Fortran形式  '''
arr_f = np.arange(6).reshape((2, 3), order='F')
print('Fortan形式\n', arr_f)

C言語方式
 [[0 1 2]
 [3 4 5]] 

Fortan形式
 [[0 2 4]
 [1 3 5]]

このように、C言語方式では、要素を順番に横に並べていきます。Fortran方式では、順番に縦に並べていきます。

これは、以下のコードのようにflags属性で確認することができます。C_CONTIGUOUSがC言語方式のメモリレイアウトで、これがTrueとなっているので、配列arr_cのメモリレイアウトはC言語方式です。

#  C言語方式のメモリレイアウトであることを確認
arr_c.flags

  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

Fortran方式の場合は、以下のコードのように、F_CONTIGUOUSがTrueになります。

#  Fortran方式のメモリレイアウトであることを確認
arr_f.flags

  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

ndarray.astypeでは、このメモリレイアウトをオプション引数orderで指定することができます。

以下のコードでは、元々C言語方式のメモリレイアウトの配列arr_cを、astypeメソッドでdtypeをfloat型に変更し、さらにorder=’F’でメモリレイアウトをFortran方式に変更した新しい配列arr5を生成しています。

#  C言語方式をdtypeをfloat型にしてFortran方式に変換
arr5 = arr_c.astype(float, order='F')
print(arr5, '\n')
print(arr5.flags['F_CONTIGUOUS'])

[[0. 1. 2.]
 [3. 4. 5.]] 

True

配列の見た目は変わりませんが、メモリレイアウトは指定通りFortran方式に変更されていることが確認できますね。

同じように、「order=’C’」と書けば、C言語方式のメモリレイアウトに変更されます。

#  Fortran方式をdtypeをfloat型にしてC言語方式に変換
arr6 = arr_f.astype(float, order='C')
print(arr6, '\n')
print(arr6.flags['C_CONTIGUOUS'])

[[0. 2. 4.]
 [1. 3. 5.]] 

True

astype()では、他にも「order=’A’」と「order=’K’」（デフォルト値）を指定することができます。

‘A’を指定した場合は、元の配列がC言語方式ならC言語方式に、Fortran方式ならFortran方式にメモリレイアウトを変更します。デフォルト値の’K’は、元の配列に出来るだけ近いメモリレイアウトにします。

1.3. dtypeの変換ルールの指定(casting)

オプション引数castingでは、dtypeの変換ルールを指定することができます。なお、「casting（キャスティング）」はコンピューター用語で、「変換する・変更する」という意味合いの言葉です。

このオプション引数では、以下の5つのキャスティングルールを指定することができます。

• ‘no’: データ型のキャスティングは不可。
• ‘equiv’: バイト順の変更のみ許可。
• ‘safe’: 値を保つキャスティングのみ許可。
• ‘same_kind’: float64からfloat32のような同タイプの型のキャスティングのみ許可。
• ‘unsafe’（デフォルト値）: いかなるデータの変更も許される。

結論から言うと、これらを使うことはほとんど全くありません。これらを指定すると型変換がそもそもできなくなるからです。

ただし、’same_kind’は、もしかしたら使うケースがあるかもしれません。そのため、ここではそれだけ見ることにします。

以下の、float64型の配列を例に見てみましょう。

import numpy as np
arr1 = np.array([1.0, 2.0, 2.5, 3.5])
print(arr1)
print(arr1.dtype)

[1.  2.  2.5 3.5]
float64

「casting=’same_kind’」を指定すると、以下のコードのように、バイト数の変更のみ可能になります。しかし、別の型への変更の場合はエラーになります。

#  casting='same_kind'の場合、バイト数の変更のみ可能になる。
arr2 = arr1.astype(np.float32, casting='same_kind')
print(arr2)
print(arr2.dtype)

#  それ以外の変更の場合はエラー
arr3 = arr1.astype(int, casting="same_kind")

[1.  2.  2.5 3.5]
float32

TypeError: Cannot cast array from dtype('float64') to dtype('int64') according to the rule 'same_kind'

1.4. 元の配列のサブクラスを引き継ぐかの指定(subok)

subokは「sub（サブクラス）でok（いいか）？」というのを指定するオプション引数です。

NumPyのndarrayにはサブクラスとして、numpy.matrixとMarkedArrayクラスがあります。元となる配列が、これらのサブクラスである場合、デフォルトの「subok=True」では、そのサブクラスを受け継ぎます。「subok=False」を指定すると、サブクラスを引き継がずndarrayとして生成されます。

それでは、以下のコードをご覧ください。ndarrayのサブクラスであるmatrixを生成しています。

import numpy as np
arr1 = np.array(np.mat('1.0 2.0; 3.0 4.0'), subok=True)
arr1

matrix([[1., 2.],
        [3., 4.]])

このmatrixの要素の型はfloat型です。

これを、「subok=True」でint型に変換すると、以下のコードのように元のサブクラスであるmatrixを引き継ぎます。

なお、「subok=True」はデフォルト値なので、わざわざ書く必要はありませんが、ここでは明示的に表すために書いています。

#  subok=True(デフォルト値)だと元の配列のサブクラスを引き継ぐ
arr2 = arr1.astype(int, subok=True)
arr2

matrix([[1, 2],
        [3, 4]])

「subok=False」にすると、元の配列のサブクラスは引き継がず、ndarrayとして生成されます。

#  subok=Falseだとサブクラスは引き継がずndarrayとして生成
arr3 = arr1.astype(int, subok=False)
arr3

array([[1, 2],
       [3, 4]])

1.5. コピーの指定(copy)

これは、ndarray.astypeで指定することは恐らくありません。しかし、引数として指定することができるので、一応解説しておきます。

オプション引数で「copy=False」とした場合で、かつ、元の配列と新しい配列で同じdtype, order, subokを指定した場合、これは同じデータに別の2つの変数名が付いているのと同じ状態になります。

以下のコードで確認頂くと、この場合、arr1とarr_cfではオブジェクトIDが同じであることが確認できます。

import numpy as np

'''  データ型を変更せずにcopy=Falseにした場合'''

#  元の配列
arr1 = np.array([1.5, 2.5, 3.5])
print(arr1)
print('オブジェクトID: ', id(arr1), '\n')

#  copy=True（デフォルト）
arr_ct = arr1.astype(float, copy=True)
print(arr_ct)
print('オブジェクトID: ', id(arr_ct), '\n')

#   copy=False
arr_cf  = arr1.astype(float, copy=False)
print(arr_cf)
print('オブジェクトID: ', id(arr_cf))

[1.5 2.5 3.5]
オブジェクトID:  4633076000 

[1.5 2.5 3.5]
オブジェクトID:  4633076080 

[1.5 2.5 3.5]
オブジェクトID:  4633076000

これは、変数arr1と変数arr_cfは全く同じ場所にある同じデータを保持していることを意味しています。

そのため、変数arr1を使って中身のデータを変更した場合も、変数arr_cfを使って中身のデータを変更した場合も、結局、どちらも同じデータを持っているので、その変更は両変数に反映されます。

'''  オブジェクトIDが同じ=変数名が2つあるが中身は同じ  '''

#  arr1の値の変更は両者に反映
arr1[0] = 10
print(arr1)
print(arr_cf, '\n')

#  arr_cfの値の変更も両者に反映
arr_cf[2] = 30
print(arr1)
print(arr_cf, '\n')

[10.   2.5  3.5]
[10.   2.5  3.5] 

[10.   2.5 30. ]
[10.   2.5 30. ] 

2. まとめ

以上のように、ndarray.astypeは既存の配列のデータ型を変換した新しい配列を生成します。

最後に重要なポイントをまとめておきたいと思います。

• 型の指定の際は、例えばfloat型に変換するなら、float、np.float、’float’のいずれかの方法で書く
• ビット数も変換したい場合は、np.float32、’float32′, ‘f4(型コード)’のいずれかの方法で書く。
• int型をfloat型に変換すると、小数点以下は切り捨てになる。ただし、ビット数も変換すると、数値の丸めのルールが予期せぬところで変化してしまう。
• complex型をint型やfloat型に変換しようとするとエラーになる。この場合は実数部分を変換したいとしたら、arr.real.astype()というように実数属性の部分を指定して型変換を行う。

以上の点を頭に入れておくと、ndarray.astypeを使いこなせるようになるでしょう。