如何为NumPy数组找到可安全转换的最小数据类型？

针对数组 arr = np.array([-101,125,6], dtype=np.int64)，要找到可安全转换的最小数据类型（预期int8），以下是正确实现方法：

核心思路 #

问题出在np.min_scalar_type(arr)会保留数组原有的int64类型，而非基于实际值的范围判断。正确做法是根据数组的最小值和最大值的范围，匹配能完全覆盖该范围的最小整数类型。

实现方法 #

方法1：手动遍历判断整数类型 #

通过np.iinfo获取各整数类型的取值范围，从最小类型开始检查，找到第一个能覆盖数组极值的类型：

import numpy as np

def get_min_safe_dtype(arr):
    min_val = arr.min()
    max_val = arr.max()
    # 按从小到大顺序检查整数类型
    candidate_dtypes = [np.int8, np.uint8, np.int16, np.uint16, np.int32, np.uint32, np.int64, np.uint64]
    for dtype in candidate_dtypes:
        dtype_info = np.iinfo(dtype)
        if dtype_info.min <= min_val and dtype_info.max >= max_val:
            return dtype
    return np.int64  # 兜底返回最大类型

arr = np.array([-101,125,6], dtype=np.int64)
print(get_min_safe_dtype(arr))  # 输出 dtype('int8')

方法2：利用极值数组调用np.min_scalar_type #

将数组的最小值和最大值组成新数组，传入np.min_scalar_type，该函数会基于值范围返回最小安全类型：

import numpy as np

arr = np.array([-101,125,6], dtype=np.int64)
extremes = np.array([arr.min(), arr.max()])
print(np.min_scalar_type(extremes))  # 输出 dtype('int8')

为什么之前的方法失效 #

• np.min_scalar_type(arr)：传入数组时，函数会优先保留数组的原始数据类型（int64），而非根据实际值计算最小类型。
• 错误使用np.promote_types：若直接传入原数组的min_scalar_type结果（int64）进行类型提升，自然无法得到int8；正确做法应先基于单个极值的实际值获取最小类型，再提升（但本例中两个极值的最小类型都是int8，提升后仍为int8）。

内容的提问来源于stack exchange，提问作者Cedric