使用numpy的astype(int)得到np.int64而非int，该如何解决？

问题背景 #

现有一个np.int32类型的numpy数组：

idx = array([ 607,  638,  639, ..., 9279, 9317, 9318], dtype=int32)

验证元素类型确认是numpy标量：

>>> type(idx[0])
<class 'numpy.int32'>

由于cppyy对std::vector<T>的索引类型要求严格，直接用numpy.int32元素索引会报错：

>>> v[idx[0]]
*** TypeError: an integer is required

只有转为Python原生int才能正常索引：

>>> v[int(idx[0])]
<cppyy.gbl.std.vector<double> object at 0x559a9a8845a8>

尝试用idx.astype(int)转换，但得到的是np.int64类型元素，仍不符合需求：

>>> idx2 = idx.astype(int)
>>> type(idx2[0])
<class 'numpy.int64'>

解决方案 #

1. 最简洁的方式：调用tolist() #

numpy数组的tolist()方法会自动将所有numpy标量转为Python原生类型，直接得到元素为原生int的列表：

idx5 = idx.tolist()
>>> type(idx5[0])
<class 'int'>

该方法无需手动循环，代码简洁且完全满足cppyy的索引要求。

2. 可靠的列表推导式（已验证可行） #

你当前使用的列表推导式是直接且可靠的方案，逐个将numpy标量转为原生int：

idx3 = [int(k) for k in idx]
>>> type(idx3[0])
<class 'int'>

3. 可选：用np.vectorize批量转换 #

利用np.vectorize将int函数向量化，批量转换后转为列表：

to_py_int = np.vectorize(int)
idx4 = to_py_int(idx).tolist()
>>> type(idx4[0])
<class 'int'>

注意：np.vectorize本质是循环封装，性能和列表推导式相近，必须调用tolist()才能得到原生int元素。

关键说明 #

idx.astype(int)无法满足需求的原因是：numpy中的int类型在64位系统下默认映射为np.int64，转换后仍然是numpy标量，而非Python原生int，因此无法通过cppyy的类型检查。

内容的提问来源于stack exchange，提问作者Urban