如何将NumPy二维数组的第1、2列从浮点型转换为整型？

当然可以，你可以直接针对数组的第一、第二列进行类型转换操作，以下是两种常用的实现方法：

方法1：直接修改原数组（数值转为整数，数组整体 dtype 不变） #

如果只是需要前两列的数值变为整数，不需要改变数组整体的数据类型，可以直接对指定列做转换后赋值：

import numpy as np

# 模拟你的二维浮点数组
arr = np.array([
    [1.0, 2.0, 3.14],
    [4.0, 5.0, 6.28],
    [7.0, 8.0, 9.42]
])

# 对第0、1列（对应第一、第二列）进行整型转换并赋值
arr[:, 0:2] = arr[:, 0:2].astype(int)

print("修改后的数组：")
print(arr)
# 输出示例：
# [[1.  2.  3.14]
#  [4.  5.  6.28]
#  [7.  8.  9.42]]

注意：这种方式下数组整体仍为浮点型，但前两列的数值已经是整数形式。

方法2：创建结构化数组（不同列使用不同数据类型） #

如果需要让第一、第二列严格为整型，第三列保持浮点型，可以创建结构化数组，它支持不同列拥有独立的数据类型：

import numpy as np

# 原浮点数组
arr = np.array([
    [1.0, 2.0, 3.14],
    [4.0, 5.0, 6.28],
    [7.0, 8.0, 9.42]
])

# 转换为结构化数组
structured_arr = np.array(
    [(int(row[0]), int(row[1]), row[2]) for row in arr],
    dtype=[('col1', int), ('col2', int), ('col3', float)]
)

print("结构化数组：")
print(structured_arr)
# 输出示例：
# [(1, 2, 3.14) (4, 5, 6.28) (7, 8, 9.42)]

print("\n各列数据类型：")
print(structured_arr.dtype)
# 输出示例：
# [('col1', '<i4'), ('col2', '<i4'), ('col3', '<f8')]

这种方式可以明确区分每一列的数据类型，适合对列类型有严格要求的场景。

内容的提问来源于stack exchange，提问作者Jack Noob