如何将Julia类型转换为Python/NumPy dtype？

你遇到的问题是NumPy无法识别Julia的类型对象（如jl.Float64），下面提供几种可行的解决方式：

1. 直接使用对应NumPy dtype #

对于常见Julia类型，直接使用NumPy内置的对应dtype即可：

from juliacall import Main as jl
import numpy as np

a = np.array([1,2,3], dtype=np.float64)

常用类型映射关系：

• jl.Float64 → np.float64
• jl.Int64 → np.int64
• jl.Float32 → np.float32
• jl.Int32 → np.int32

2. 动态映射Julia类型到NumPy dtype #

如果需要从Julia类型动态转换，可以通过类型名称做映射：

from juliacall import Main as jl
import numpy as np

def julia_to_np_dtype(jl_type):
    type_map = {
        "Float64": np.float64,
        "Int64": np.int64,
        "Float32": np.float32,
        "Int32": np.int32
    }
    return type_map.get(str(jl_type), np.float64)  # 未匹配到则默认用float64

a = np.array([1,2,3], dtype=julia_to_np_dtype(jl.Float64))

3. 先在Julia中创建数组再转NumPy #

也可以先在Julia环境中生成对应类型的数组，再转换为NumPy数组：

from juliacall import Main as jl
import numpy as np

# Julia侧创建Float64类型数组
jl_array = jl.Float64[1, 2, 3]
# 转换为NumPy数组
a = np.array(jl_array)

关于jl.Py(jl.Float64)的说明 #

Py()函数是将Julia对象转换为Python可交互的对象，但Julia的TypeValue类型转成Python后仍然是类型对象，NumPy无法将其解析为数据类型，因此这种方式不适用。

内容的提问来源于stack exchange，提问作者mtsokol