3.2 dtype家族与安全转型

3.2 dtype家族与安全转型

本节摘要：dtype 名由类型加位宽构成（int32 占 4 字节、float64 占 8 字节），决定每个元素的解释方式与内存宽度。astype 转型必然产生拷贝；窄化转型会静默截断，casting 参数可以把这类操作拦下来报错。本节给出字宽速查、float32 与 float64 的取舍实验，以及三个真实转型事故。

dtype 名怎么读

dtype 命名是"类型 + 位宽"的直白组合，位宽就是每个元素占的比特数，除以 8 得字节数：

第 1 章的公式在这里直接生效：nbytes = size × itemsize。dtype 选窄一半，内存就省一半，但精度也跟着降。

import numpy as np

a = np.arange(1000)                       # int64
b = a.astype(np.int16)                    # 转窄
print(a.nbytes, b.nbytes)                 # 8000 2000

print(np.float32(0.1) + np.float32(0.2))  # 0.3（打印看不出差别）
print(np.float32(0.1) + np.float32(0.2) == np.float32(0.3))  # False！
# float32 只有约 7 位有效数字，0.1 在它眼里并不精确
​

float32 与 float64 的精度现场

astype：必然拷贝的转型

dtype 变了，字节宽度就变了，旧数据块装不下新解释——所以 astype 永远返回新数组：

import numpy as np

f = np.array([1.7, 2.9, -3.5])
i = f.astype(np.int32)
print(i)                            # [ 1  2 -3] —— 截断，不是四舍五入
print(np.shares_memory(i, f))       # False，新内存

# 想四舍五入要先 round 再转
i2 = np.round(f).astype(np.int32)
print(i2)                           # [ 2  3 -4]（-3.5 四舍五入到偶数是 -4）
​

注意 astype 的浮转整是"向零截断"，1.9 变 1。更危险的是静默溢出：

big = np.array([200, 300, 400], dtype=np.int64)
small = big.astype(np.int8)
print(small)   # [-56  44 -112]  —— 溢出环绕，不报错！

# casting 参数可以拦截：unsafe 是默认，no/even 会校验
try:
    np.array([200, 300]).astype(np.int8, casting="same_kind")
    # same_kind 允许同类内转，int64 到 int8 不会触发
except (TypeError, ValueError) as e:
    print("被拦截:", e)
​

等等，same_kind 允许 int64 转 int8，真正能拦住的是显式检查：

def safe_cast(arr, target):
    info = np.iinfo(target) if np.issubdtype(target, np.integer) else None
    if info and (arr.min() < info.min or arr.max() > info.max):
        raise ValueError(f"{arr.dtype} 到 {target} 会溢出，范围不符")
    return arr.astype(target)

print(safe_cast(np.array([1, 2]), np.int8))       # [1 2] 正常
# safe_cast(big, np.int8) 会抛 ValueError，提前拦截
​

三个真实转型事故

事故一：像素坐标溢出。背景：图像处理流水线里坐标数组一直用 int32，某天拼接全景图坐标超过 21.5 亿像素。操作：两 int32 相加。结果：值环绕成负数，拼接逻辑越走越偏。解读：int32 相加的结果仍是 int32（NumPy 不会自动升 int64），溢出静默发生。变式修复：参与大数运算前 astype(np.int64)。

事故二：平均值变成 0。背景：整型数组的均值。

import numpy as np
d = np.array([3, 4, 6, 7], dtype=np.int32)
print(d.mean())   # 5.0 —— NumPy 的 mean 内部已升 float，没事
print(d // 2)     # [1 2 3 3] —— 整除丢小数，预期外时是坑
​

Python 3 的 / 得 float，但 // 保留整型。很多"数值莫名变小"的 bug 出在把 / 写成 //。

事故三：None 混入炸出 object。背景：手工整理的数据里有一个缺失值写成 None。

import numpy as np
dirty = np.array([1.5, 2.0, None, 3.5])
print(dirty.dtype)   # object！
print(dirty * 2)     # 能跑但逐对象调用，慢且行为怪
# 修复：显式 float 转型，None 变 nan
clean = np.array([1.5, 2.0, None, 3.5], dtype=np.float64)
# 抛错：None 无法转 float64，需先清洗
values = [x if x is not None else np.nan for x in [1.5, 2.0, None, 3.5]]
clean = np.array(values)
print(clean)   # [1.5 2.  nan 3.5]
​

⚠️ 常见坑：看到 dtype 是 object 就要停下。object 数组退化为指针数组，第 1 章列表的所有性能问题原样回归，且很多 ufunc 直接不可用。

本节要点回顾

• 命名规则：类型加位宽，itemsize 即字节数；内存总量等于元素数乘 itemsize
• 转型即拷贝：astype 换宽度必动内存；浮转整是向零截断，不是四舍五入
• 静默溢出：int64 转 int8 环绕不报错，窄化前用 iinfo 检查范围
• 精度纪律：计算过程保 float64，存储传输再降 float32；对 // 的整型结果保持警惕
• object 警报：dtype 出现 object 说明数据不纯，先清洗再入数组

下一节补齐序列生成与随机数：arange 与 linspace 的分工，以及新式随机接口 Generator 的正确打开方式。