numpy.astype(np.uint8)如何转换一个浮点数组？-1.2997805变成255

3 人关注

这是在ipython3中的执行情况

In [81]: r2
Out[81]: 
array([-1.2997805, -1.4251276, -1.3047135, ..., -2.0358603, -1.9741256,
       -1.6412157], dtype=float32)
In [82]: r2.astype(np.uint8)
Out[82]: array([255, 255, 255, ..., 254, 255, 255], dtype=uint8)
how is -1.2997805 converted to 255?
ADD : 从下面的评论(谢谢)，我是这样测试的。看起来浮点数被转换为int，然后做了modulo 255(把它读成无符号int8)。
is first convereted to int. and the it is cut using modulo(%).  
In [98]: b
Out[98]: array([-1.,  0.,  1.])
In [99]: b.astype(np.uint8)
Out[99]: array([255,   0,   1], dtype=uint8)


           
            
             Mykola Zotko
            
            ：


           
            
             这是否回答了你的问题？
             
              numpy数组中的整数溢出


           
            
             @MykolaZotko没有回答这个与numpy如何进行不安全转换有关的具体案例


           
            
             Mykola Zotko
            
            ：


           
            
             
              uint8
             
             类型涵盖了从0到255的范围。超出这个范围的负值会变成255。


           
            
             我的猜测是，它首先将有符号整数转换为-1，然后将无符号整数转换为255。


           
            
             @MykolaZotko并没有解释为什么-2是254。


         
          python


         
          numpy


         
          python-3.5


          
           已采纳


          
           
            你转换为无符号int8，其中-1对应255，-2对应254等等。
如果你想得到-1，-2，你必须用np.int8将其转换为有符号的int8。
           
           >>> np.float32(-2.0358603).astype(np.uint8)
>>> np.float32(-2.0358603).astype(np.int8)


          
           
            
             根据numpy的文档，这是一个 "不安全的投射"。
             
              
               astype
              
             
             ，意思是 "可以进行任何数据转换"。他们没有说具体是如何进行转换的，我在快速搜索文档时也没有发现，所以这可能取决于实现。
            
            
             我的猜测是：首先，32位浮点数被转换为8位有符号整数，默认为向零截断，例如-1.3变成-1。然后从无符号8位整数转换为8位无符号整数，得到一个255的值。比如说
            
            float x = -1.2997805;  # Assume float is 32-bit
(uint8_t)(int8_t)x;
这与直接用(uint8_t)x转换为8位无符号int不一样，至少在我测试的平台上（godbolt的x86-64 gcc）给出了0。
This kind of thing is very confusing甚至可能取决于平台（可能取决于什么操作系统、numpy版本、FP硬件决定做什么或者处理器是否使用2s补码等等），所以在不清楚你将在什么平台上运行代码的情况下，千万不要依赖这种行为，而且无论如何这都是很差的编码实践。令人惊讶的是，我找不到关于numpy的铸造规则到底是如何工作的参考资料。


          
           
            
             
              
              
               Ameya Kulkarni
              
             
             
              发布于
              
              2021-08-28


          
           
            
             
              其他答案已经解决并解释了这个问题。不过，我可以提出一个可能有实际意义的替代方案。
             
             np.uint8(np.clip(x, 0, 255))
其中x是你的浮动型数组。
This method ensures negative numbers become 0, and huge positive numbers (> 255) become 255.