为何astype(int)无法修改NumPy数组的数据类型？

核心原因 #

NumPy数组是同质数据结构，整个数组的dtype是统一设定的，无法单独修改某一个切片的类型。当你把int类型的值赋值给float类型的数组切片时，NumPy会自动将int转换为数组原本的float类型后再存储，所以你看到的切片依然是浮点型，赋值操作并没有改变数组的整体类型。

解决方案 #

根据你的需求，有几种处理方式：

1. 将整个数组转换为整型 #

如果数组中所有元素都适合转为整型，直接修改整个数组的dtype即可：

import numpy as np

# 针对你的示例代码
a = np.zeros((2, 3, 4))
a = a.astype(int)
print(a[:, :, 3])
# 输出：[[0 0 0]
#        [0 0 0]]
print(a.dtype)  # 输出：int64

2. 保留原数组浮点型，单独存储目标列的整型数据 #

如果原数组其他部分需要保留浮点类型，你可以新建一个独立的整型数组来存储目标列的数据：

import numpy as np

a = np.zeros((2, 3, 4))
# 提取目标列并转为整型存储
target_col = a[:, :, 3].astype(int)
print(target_col)
# 输出：[[0 0 0]
#        [0 0 0]]
print(target_col.dtype)  # 输出：int64

3. 使用结构化数组（混合类型） #

如果确实需要在同一个数组容器中存储不同类型的数据，可以使用NumPy的结构化数组：

import numpy as np

# 定义结构化数据类型：前3列是float，第4列是int
dtype = [('col0', 'f8'), ('col1', 'f8'), ('col2', 'f8'), ('col3', 'i8')]
# 创建结构化数组
a = np.zeros((2, 3), dtype=dtype)
# 赋值第4列（col3）
a['col3'] = 0
print(a['col3'])
# 输出：[[0 0 0]
#        [0 0 0]]
print(a['col3'].dtype)  # 输出：int64

针对你原始代码的修改 #

如果你只想让目标列的数值表现为整型（不需要修改整个数组类型），可以在需要使用的时候再转换；如果允许修改整个数组类型，直接转换后处理即可：

import numpy as np

# 原始代码修改：先将整个数组转为int
timeseries_resampled = timeseries_resampled.astype(int)
# 统一处理目标列的取整操作
timeseries_resampled[:, :, 9] = np.rint(timeseries_resampled[:, :, 9])
print(timeseries_resampled[:, :, 9].dtype)  # 输出：int64

内容的提问来源于stack exchange，提问作者Unistack