Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment convertir un tableau NumPy de flotteurs en nombres entiers



Vous pouvez utiliser les méthodes suivantes pour convertir un tableau NumPy de flottants en un tableau d’entiers :

Méthode 1 : convertir les flottants en nombres entiers (arrondis à l’inférieur)

rounded_down_integer_array = float_array.astype(int)

Méthode 2 : convertir les flottants en nombres entiers (arrondis à l’entier le plus proche)

rounded_integer_array = (np.rint(some_floats)).astype(int)

Méthode 3 : convertir les flottants en nombres entiers (arrondis au supérieur)

rounded_up_integer_array = (np.ceil(float_array)).astype(int)

Les exemples suivants montrent comment utiliser chaque méthode en pratique avec le tableau de flottants NumPy suivant :

import numpy as np

#create NumPy array of floats
float_array = np.array([2.33, 4.7, 5.1, 6.2356, 7.88, 8.5])

#view array
print(float_array)

[2.33   4.7    5.1    6.2356 7.88   8.5   ]

#view dtype of array
print(float_array.dtype)

float64

Exemple 1 : convertir des flottants en nombres entiers (arrondis à l’inférieur)

Le code suivant montre comment convertir un tableau NumPy de flottants en un tableau d’entiers dans lequel chaque flottant est arrondi à l’entier le plus proche :

#convert NumPy array of floats to array of integers (rounded down)
rounded_down_integer_array = float_array.astype(int)

#view array
print(rounded_down_integer_array)

[2 4 5 6 7 8]

#view dtype of array
print(rounded_down_integer_array.dtype)

int32

Notez que chaque flottant a été arrondi à l’entier le plus proche et que le nouveau tableau a un type de int32 .

Exemple 2 : convertir des flottants en nombres entiers (arrondis à l’entier le plus proche)

Le code suivant montre comment convertir un tableau NumPy de flottants en un tableau d’entiers dans lequel chaque flottant est arrondi à l’entier le plus proche :

#convert NumPy array of floats to array of integers (rounded to nearest)
rounded_integer_array = (np.rint(float_array)).astype(int)

#view array
print(rounded_integer_array)

[2 5 5 6 8 8]

#view dtype of array
print(rounded_integer_array.dtype)

int32

Notez que chaque float a été arrondi à l’entier le plus proche et que le nouveau tableau a un type de int32 .

Exemple 3 : convertir des flottants en nombres entiers (arrondis au supérieur)

Le code suivant montre comment convertir un tableau NumPy de flottants en un tableau d’entiers dans lequel chaque flottant est arrondi à l’entier le plus proche :

#convert NumPy array of floats to array of integers (rounded up)
rounded_up_integer_array = (np.ceil(float_array)).astype(int)

#view array
print(rounded_up_integer_array)

[3 5 6 7 8 9]

#view dtype of array
print(rounded_up_integer_array.dtype)

int32

Notez que chaque float a été arrondi à l’entier le plus proche et que le nouveau tableau a un type de int32 .

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes dans NumPy :

Comment remplir un tableau NumPy avec des valeurs
Comment supprimer des éléments spécifiques du tableau NumPy
Comment remplacer des éléments dans un tableau NumPy
Comment obtenir une ligne spécifique à partir d’un tableau NumPy

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *