在哪将np.int更改为np.int_

您可以使用 ".astype(np.int_)" 方法将 "np.int" 更改为 "np.int_"，例如：

import numpy as np

arr = np.array([1, 2, 3, 4], dtype=np.int)
new_arr = arr.astype(np.int_)

这样，"new_arr" 将会是一个 "np.int_" 类型的数组。

相关问题

np.int16转np.int8

根据引用\[1\]和引用\[2\]，在NumPy 1.20版本中，`np.int`被标记为过时的别名，建议使用`int`来替代。因此，如果要将`np.int16`转换为`np.int8`，可以直接使用`int`来代替`np.int`。这样做不会改变任何行为，并且是安全的。所以，可以使用`np.int16`转换为`int`，然后再将其转换为`np.int8`。
#### 引用[.reference_title]
- *1* [dtype=np.int报错问题](https://blog.csdn.net/weixin_51499053/article/details/126815599)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [np.int报错](https://blog.csdn.net/weixin_44692055/article/details/127769536)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [python – np.uint8和np.int8的不同执行时间](https://blog.csdn.net/weixin_39631951/article/details/111064875)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]

np.int32转换为np.uint8

要将`np.int32`转换为`np.uint8`，可以使用`np.clip`函数来限制数值范围，然后再使用`np.astype`函数进行类型转换。

示例如下：

import numpy as np

# 创建一个随机的 np.int32 数组
x = np.random.randint(low=-100, high=100, size=(3, 3)).astype(np.int32)
print("原始数组 x:\n", x)

# 将 x 转换为 np.uint8
y = np.clip(x, 0, 255).astype(np.uint8)
print("转换后的数组 y:\n", y)

输出：

原始数组 x:
 [[ 35  32 -42]
 [  6 -79 -25]
 [-11 -67 -62]]
转换后的数组 y:
 [[35 32  0]
 [ 6  0  0]
 [ 0  0  0]]

注意，由于`np.uint8`类型的数值范围是0到255，因此在将`np.int32`类型的数组转换为`np.uint8`类型时，需要使用`np.clip`函数将数值限制在0到255之间，否则数值溢出会导致错误的结果。