在逛Stack Overflow时看见一个关于numpy的浮点数据转换的问题比较有趣，现当作tips记录下来。[问题原地址](python - Convert numpy array type and values from Float64 to Float32 - Stack Overflow)
我们知道，在numpy中，浮点数据同python本身一样，是用双精度（float64）来存储数据的，而Pytorch或者其他的一些框架中，为了节省运算量，其浮点是用单精度（float32）来存储数据的，因此需要用到数据转换。下例是一个数据转换的操作。
l = np.array([0., 0., 0.])
for i in range(len(l)):
l[i] = l[i].astype(np.float32)
print(l[0].dtype)
# >>> float64
在该部分代码中，ndarray数组l的数据默认为float64，于是遍历其中每一个元素将其更改为float32。但是在更改完后，取出数组中的第0个值发现其数据类型仍为float64。为什么会造成这种原因，我们用下列例子演示一下：
l = np.array([0., 0., 0.])
a = l[0]
b = l[1]
c = l[2]
a = a.astype(np.float32)
b = b.astype(np.float32)
c = c.astype(np.float32)
print("a的数据类型：", a.dtype)
l[0] = a
l[1] = b
l[2] = c
print("数组中a的数据类型：", l[0].dtype)
# >>> a的数据类型： float32
# 数组中a的数据类型： float64
这里从列表l中取出了第一个值赋值给a，改变a的数据类型为float32，打印后a的数据类型的确变为了float32。但是再将其放入数组中后，它的数据类型又变回了float64。因此我们可以发现，数组本身的数据类型决定了数组中每一个元素的数据类型。数组l的数据类型为float64，其中每个元素的数据类型都为float64，即使更改了所有元素的数据类型。可以用下列例子验证。
l = np.array([0., 0., 0.])
l = np.float32(l) # 将数组更改为float32
a = l[0]
b = l[1]
c = l[2]
a = a.astype(np.float64)
b = b.astype(np.float64)
c = c.astype(np.float64)
print("a的数据类型：", a.dtype)
l[0] = a
l[1] = b
l[2] = c
print("数组中a的数据类型：", l[0].dtype)
# >>> a的数据类型： float64
# 数组中a的数据类型： float32