Ошибка приведения типа с помощью numpy.take
У меня есть таблица соответствия (LUT), которая хранит 65536uint8
ценности:
lut = np.random.randint(256, size=(65536,)).astype('uint8')
Я хочу использовать этот LUT для преобразования значений в массивеuint16
s:
arr = np.random.randint(65536, size=(1000, 1000)).astype('uint16')
и я хочу сделать преобразование на месте, потому что этот последний массив может стать довольно большим. Когда я пытаюсь это сделать, происходит следующее:
>>> np.take(lut, arr, out=arr)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "C:\Python27\lib\site-packages\numpy\core\fromnumeric.py", line 103, in take
return take(indices, axis, out, mode)
TypeError: array cannot be safely cast to required type
И я не понимаю, что происходит. Я знаю, что безout
аргумент, возвращение того же dtype, что иlut
, такuint8
, Но почему не можетuint8
быть брошенным наuint16
? Если вы спросите NumPy:
>>> np.can_cast('uint8', 'uint16')
True
Очевидно следующие работы:
>>> lut = lut.astype('uint16')
>>> np.take(lut, arr, out=arr)
array([[173, 251, 218, ..., 110, 98, 235],
[200, 231, 91, ..., 158, 100, 88],
[ 13, 227, 223, ..., 94, 56, 36],
...,
[ 28, 198, 80, ..., 60, 87, 118],
[156, 46, 118, ..., 212, 198, 218],
[203, 97, 245, ..., 3, 191, 173]], dtype=uint16)
Но это также работает:
>>> lut = lut.astype('int32')
>>> np.take(lut, arr, out=arr)
array([[ 78, 249, 148, ..., 77, 12, 167],
[138, 5, 206, ..., 31, 43, 244],
[ 29, 134, 131, ..., 100, 107, 1],
...,
[109, 166, 14, ..., 64, 95, 102],
[152, 169, 102, ..., 240, 166, 148],
[ 47, 14, 129, ..., 237, 11, 78]], dtype=uint16)
Это действительно не имеет смысла, так как сейчасint32
сuint16
s, что определенно не безопасно:
>>> np.can_cast('int32', 'uint16')
False
Мой код работает, если я установилlut
Тип D к чему-либо вuint16
, uint32
, uint64
, int32
или жеint64
, но не дляuint8
, int8
а такжеint16
.
Я что-то упустил, или это просто сломано в numpy?
Обходные пути также приветствуются ... Так как LUT не такой большой, я думаю, это не так уж плохо, когда его тип совпадает с массивом, даже если это занимает вдвое больше места, но это просто не подходит для этого. ..
Есть ли способ сказать numpy, чтобы он не беспокоился о безопасности кастинга?