为什么短手分配和NaN有不同的行为？

Question

我在python 2.7.3中看到了这一点，包括pylab和numpy。为什么：

>>> x = pylab.arange(5)
>>> x = x + pylab.nan
>>> print x
[ nan  nan  nan  nan  nan]

与此不同：

>>> x = pylab.arange(5)
>>> x += pylab.nan
__main__:1: RuntimeWarning: invalid value encountered in add
>>> print x
[-9223372036854775808 -9223372036854775808 -9223372036854775808
 -9223372036854775808 -9223372036854775808]

Answer 1

因为arange(5)返回一个整数数组，但nan是一个浮点值。当你是常规赋值时，这是可以的，因为x + nan透明地将x转换为float来执行添加并返回float结果。但是对于+=，它会尝试将此float结果放回原始的x，这是一个int数组。这失败了，因为int数组不能接受浮点数据。

将+=与numpy数组一起使用会更新数组，如果计算结果的数据类型与原始数据类型不同，则无法正常工作。