更改结构化/记录数组的数据类型

Question

问题1：在把一列数据转换成不同的数据类型时，使用np.array还是np.astype更好呢？我看到很多例子用的是np.astype，但这两者似乎都能得到想要的结果（都是返回原数组的副本）。

import numpy as np

## recasting string to integer
x = np.rec.array([('a','1'),('b','2')],names='col1,col2')
##
In []: x
Out[]: 
rec.array([('a', '1'), ('b', '2')], 
      dtype=[('col1', '|S1'), ('col2', '|S1')])
##
dt = x.dtype.descr
dt[1] = (dt[1][0],'int')
## which is more appropriate:
y = np.array(x,dtype=dt)
## or
y = x.astype(dt)
## ?
In []: y
Out[]: 
rec.array([('a', 1), ('b', 2)], 
      dtype=[('col1', '|S1'), ('col2', '<i4')])

问题2：重命名列的时候，使用np.array时整数列的值变成了零，但用np.rec.array时值却保留了。为什么会这样？我理解的是，前者生成的是结构化数组，而后者返回的是记录数组；我以为这两者在大多数情况下是一样的。这个行为让我感到很惊讶，无论如何。

## rename 2nd column from col2 to v2
dt = copy.deepcopy(y.dtype)
names = list(dt.names)
names[1] = 'v2'
dt.names = names
## this is not right
newy = np.array(y,dtype=dt)
In []: newy
Out[]: 
array([('a', 0), ('b', 0)], 
      dtype=[('col1', '|S1'), ('v2', '<i4')])
## this is correct
newy = np.rec.array(y,dtype=dt)
In []: newy
Out[]: 
rec.array([('a', 1), ('b', 2)], 
      dtype=[('col1', '|S1'), ('v2', '<i4')])

Answer 1

问题1: 使用 np.array 和 np.astype 这两种方法实际上做的是一样的事情，内部原理也是相同的。不过，使用 np.astype 的时候，输入的内容会少一些，而且读起来更清楚，能让人明白你是想要改变数据类型。