NumPy配列のデータ型を確認・変更する方法 ― dtypeとastypeの使い方

NumPy配列は、Python標準のデータ型に加えて、非常に多彩なデータ型をサポートしています。配列は作成後でも必要に応じて要素のデータ型を変更でき、そのために使われるのが array.dtype と array.astype の2つの方法です。

array.dtype でデータ型を確認する

dtype は、配列内の要素が現在使用しているデータ型を取得するための属性です。次の例では、配列を宣言してそのデータ型を確認しています。

コード例

import numpy as np

# NumPy配列を作成
a = np.array([21.23, 13.1, 52.1, 8, 255])

# 配列を表示
print(a)

# 配列のデータ型を表示
print(a.dtype)

実行結果

上記のコードを実行すると、次の出力が得られます。

[ 21.23 13.1 52.1 8. 255. ]
float64

小数を含む値で構成されたこの配列は、float64(倍精度浮動小数点数)として扱われていることがわかります。

array.astype でデータ型を変換する

astype メソッドは、既存の配列を指定したデータ型を持つ新しい配列に変換します。元の配列自体は変更されず、変換後の新しい配列が返される点に注意してください。以下の例では、同じ配列を複数の異なるデータ型へ変換しています。

コード例

import numpy as np

# NumPy配列を作成
a = np.array([21.23, 13.1, 52.1, 8, 255])

# 配列を表示
print(a)

# 配列のデータ型を表示
print(a.dtype)

# データ型を int32(整数)に変換
a_int = a.astype('int32')
print(a_int)
print(a_int.dtype)

# データ型を str(文字列)に変換
a_str = a.astype('str')
print(a_str)
print(a_str.dtype)

# データ型を complex64(複素数)に変換
a_cmplx = a.astype('complex64')
print(a_cmplx)
print(a_cmplx.dtype)

実行結果

上記のコードを実行すると、次の出力が得られます。

[ 21.23 13.1 52.1 8. 255. ]
float64
[ 21 13 52 8 255]
int32
['21.23' '13.1' '52.1' '8.0' '255.0']
<U32
[ 21.23+0.j 13.1 +0.j 52.1 +0.j 8. +0.j 255. +0.j]
complex64

それぞれの変換結果を見ると、int32 への変換では小数部分が切り捨てられ、str への変換では各要素が文字列(<U32)になり、complex64 への変換では虚部が 0 の複素数として表現されていることが確認できます。

まとめ

dtype で現在のデータ型を確認し、astype を使えば整数・文字列・複素数など、任意の型へ柔軟に変換できます。ただし、浮動小数点数から整数への変換時には小数部分が切り捨てられるため、意図しないデータ損失を避けるためにも、用途に応じて適切なデータ型を選択することが重要です。