Numpy:检查float数组是否包含整数

Question

在Python中,可以根据此QA 检查a是否float包含整数值n.is_integer():如何检查浮点值是否为整数.

numpy是否有类似的操作可以应用于数组？允许以下内容的东西:

>>> x = np.array([1.0 2.1 3.0 3.9])
>>> mask = np.is_integer(x)
>>> mask
array([True, False, True, False], dtype=bool)

有可能做类似的事情

>>> mask = (x == np.floor(x))

要么

>>> mask = (x == np.round(x))

但它们涉及调用额外的方法并创建一堆可能被避免的临时数组.

numpy是否有一个矢量化函数,以类似于Python的方式检查浮点数的小数部分float.is_integer？

Answer 1

据我所知，没有这样的函数返回一个布尔数组，指示浮点数是否有小数部分。我能找到的最接近的是np.modf它返回小数部分和整数部分，但这会创建两个浮点数组（至少是暂时的），因此在内存方面可能不是最好的。

如果您对就地工作感到满意，可以尝试以下操作：

>>> np.mod(x, 1, out=x)
>>> mask = (x == 0)

与使用圆形或地板（您必须保留x）相比，这应该可以节省内存，但是当然您会丢失原始的x.

另一种选择是要求在 Numpy 中实现它，或者自己实现它。

Answer 2

我需要这个问题的答案，原因略有不同：检查何时可以将整个浮点数数组转换为整数而不丢失数据。

Hunse 的答案几乎对我有用，但我显然不能使用就地技巧，因为我需要能够撤消操作：

if np.all(np.mod(x, 1) == 0):
    x = x.astype(int)

从那里，我想到了以下选项，在许多情况下它可能会更快：

x_int = x.astype(int)
if np.all((x - x_int) == 0):
    x = x_int

原因是模运算比减法慢。然而，现在我们预先将其转换为整数 - 相对而言，我不知道该操作有多快。但是，如果大多数数组都是整数（在我的例子中），则后一个版本几乎肯定更快。

另一个好处是，您可以用诸如np.isclose检查一定容差之类的内容来替换减法（当然，这里您应该小心，因为截断不是正确的舍入！）。

x_int = x.astype(int)
if np.all(np.isclose(x, x_int, 0.0001)):
    x = x_int

编辑：速度较慢，但​​根据您的用例，可能值得，如果存在的话，也可以单独转换整数。

x_int = x.astype(int)
safe_conversion = (x - x_int) == 0
# if we can convert the whole array to integers, do that
if np.all(safe_conversion):
    x = x_int.tolist()
else:
    x  = x.tolist()
    # if there are _some_ integers, convert them
    if np.any(safe_conversion):
        for i in range(len(x)):
            if safe_conversion[i]:
                x[i] = int(x[i])

作为一个重要的例子：这对我来说很有效，因为我有稀疏数据（这意味着大部分是零），然后我将其转换为 JSON，一次，并稍后在服务器上重用。对于浮点数，ujson将其转换为[ ...,0.0,0.0,0.0,... ]，对于结果为 的整数[...,0,0,0,...]，最多可节省字符串中一半的字符数。这减少了服务器（较短的字符串）和客户端（较短的字符串，大概是 JSON 解析速度稍快一些）的开销。