将数据框列类型更改为 int32

Question

我正在尝试将数据框列从 Python 传递到 Cython：Python代码evaluate_c(        AnimalLogicPy(data[COL_ANIMAL_ID].values,                      data[COL_ANIMAL_POWER].values,        )赛通代码cpdef void evaluate_c(        int[:] animal_ids,        int[:] animal_power,        ):在 Python 端data[COL_ANIMAL_ID]，data[COL_ANIMAL_POWER]类型为：int64但是我收到以下错误：ValueError: Buffer dtype mismatch, expected 'int' but got 'long'我想int在 Cython 中使用值。我已经阅读了一些内容，我认为这是因为所讨论的数据框列属于int64我认为正在变得很长并且应该是int32.我尝试在 Python 端使用以下方法更改类型：data.astype({COL_ANIMAL_ID: 'int32'}).dtypesdata.astype({COL_ANIMAL_POWER: 'int32'}).dtypes但我仍然得到 ValueError。如何将 Python 端的列类型从 int64 更改为 int32？

Answer 1

您可以将其转换为具有正确dtype.

有多种方法可以实现这一点，其中最直接的方法是通过以下.to_numpy()方法：

data[COL_ANIMAL_ID].to_numpy('int32')

---

为了给你一个最小的工作示例，让我们假设我们有以下 Cython 函数（为简单起见，使用 IPython 的 Cython magic 编译）：

%%cython -c-O3 -c-march=native -a

#cython: language_level=3, boundscheck=False, wraparound=False, initializedcheck=False, cdivision=True, infer_types=True

cpdef int summer(int [:] data, int n):

    cdef int result = 0

    for i in range(n):

        result += data[i]

    return result

然后下面的代码工作：

import pandas as pd

import numpy as np

np.random.seed(0)

df = pd.DataFrame(np.random.randint(0, 100, (3, 4)))

print(df)

#     0   1   2   3

# 0  44  47  64  67

# 1  67   9  83  21

# 2  36  87  70  88

arr = np.array(df[0], dtype=np.int32)

print(summer(arr, arr.size))  # the array is fed to the Cython func

# 147

print(summer(df[0].values.astype(np.int32), df[0].size))  # directly from the Pandas's series

# 147

print(summer(df[0].to_numpy(dtype=np.int32), df[0].size))  # even more concisely

# 147

print(df[0].sum())  # checking that the result is correct

# 147