label = np.array([0, 1, 0])
predict_label = np.array([1, 0, 0])
false_num = np.array(label != predict_label).astype(int)
print(false_num) # [1 1 0]
用np.array().astype(int) label = np.array([0, 1, 0])predict_label = np.array([1, 0, 0])false_num = np.array(label != predict_label).astype(int)print(false_num) # [1 1 0]
y.astype(
np
.int)#
np
数组使用这个
转换
为int
np
.array(x,dtype=
np
.int)#在将一个数组包装成
np
数组时顺便指定包装之后的
数据
类
直接对布尔
值
进行求和
x=
np
.array([True,True,False])
print(
np
.sum(x))#结果是2，即自动把True看成1，False看成0
1. 问题描述：
给你一个整数数组arr和一个整数difference，请你找出arr中所有相邻元素之间的差等于给定difference的等差子序列，并返回其中最长的等差子序列的长度。
示例 1：
输入：arr = [1,2,3,4], difference = 1
解释：最长的等差子序列是 [1,2,3,4]
输入：arr = [1,3,5,7], difference = 1
解释：最长的等差子序列是任意单个元素
示例 3：
输入：arr = ...
转化数组x中的
数据
类
型
，使用 .astype()方法：>>> x =
np
.array([1, 2, 2.5])
>>> x
array([ 1. , 2. , 2.5])
>>> x.astype(int)
array([1, 2, 2])
label =
np
.array([0, 1, 0])
predict_label =
np
.array([1, 0, 0])
false_num =
np
.array(label != predict_label).astype(int)
print(false_num) # [1 1 0]
python
numpy
数据
类型转换
numpy
数据
类型转换
需要调用方法astype()，不能直接修改dtype。调用astype返回
数据
类
型
修改后的
数据
，但是源
数据
的类
型
不会变，需要进一步对源
数据
的赋
值
操作才能改变。例如
>>> a=
np
.array([1.1, 1.2])
>>> a.dtype
dtype('float64')
>>> a.astype(
np
.int16)
array(
在
NumPy
中，
数据
类
型
（DType）是非常重要的，因为它们决定了数组中元素的
数据
性质，如整数、浮点数或布尔
值
等。确保数组的DType一致可以提高代码的效率和一致性。以下是一些方法来统一数组的DType：
1. **创建数组时指定DType**：当你创建一个新的
NumPy
数组时，可以直接指定
数据
类
型
。例如：
```python
data =
np
.array([1, 2.0, '3'], dtype=
np
.object) # 这里统一为object类
型
，后续可以根据需要
转换
2. **
转换
现有数组的DType**：如果你有一个已有的数组，可以使用`astype()`函数将其
转换
为特定类
型
：
```python
arr =
np
.array([1, 2, 3])
arr = arr.astype(
np
.int32) # 将整数
转换
为32位整
型
3. **使用`where()`函数**：结合条件进行
类型转换
，例如根据
数值
是否满足某个条件选择不同的DType：
```python
arr =
np
.array([True, False, 1, 2], dtype=
bool
)
arr[numbers] = arr[numbers].astype(int) # 如果元素是
数值
，则
转换
为int
4. **使用`
numpy
.vectorize()`**：如果需要对数组中的每个元素应用函数，并保持结果的DType一致，可以使用`vectorize()`函数：
```python
def square(x):
return x ** 2
square_vec =
np
.vectorize(square)
arr =
np
.array([1, 2, 3])
arr_squared = square_vec(arr)
阿雷爱吃大饼:
