Question

今天我注意到了Numpy / Scipy数组的奇怪行为。看起来像在float中添加带整数的数组单元格可能有两种不同的结果，具体取决于分配结果的变量。下面我将介绍代码：

，而不是长篇解释

import scipy as sp
array_int = sp.array([[0], [0]])
float_operand = 0.1
print array_int[0, 0] + float_operand #gives 0.1

但是

import scipy as sp
array_int = sp.array([[0], [0]])
float_operand = 0.1
array_int[0, 0] = array_int[0, 0] + float_operand 
print array_int[0, 0] #gives 0

我能理解这种行为是否继承自Python，但是：

与'＃34;裸露＆＃34;的行为相反Python（2.7）：

integer_for_sure = int(0) 
integer_for_sure = integer_for_sure + 0.1
print integer_for_sure #gives 0.1 as expected

这种功能是否记录在案？有没有人以前遇到过它？

Answer 1

这不是“继承自Python”的行为 - 正如您所看到的，在纯Python中向int添加float会产生float结果。相反，您可以将此行为视为“继承自C”。与Python列表不同， numpy arrays具有强大的元素类型。数组构造函数包含一个telltale可选关键字参数，其中包括：

dtype ：数据类型，可选

阵列所需的数据类型。 如果没有给出，则类型将被确定为在序列中保存对象所需的最小类型。此参数只能用于“向上”数组。

重点是我的。使用np.array([[0], [0]])创建数组时，会得到一个二维整数数组，因为整数是可以包含0的最小数据类型。一旦创建了整数数组，它可能仅包含整数。如果您尝试插入一个浮点数，它将被转换为您注意到的整数，以便放置在数组中。

如果你想最终在数组中存储浮点数，你需要将数组初始化为一个浮点数组（'upcast'它）。这可以通过使用上面提到的dtype参数来完成，或者简单地通过将浮点值放入初始数组（例如0.0而不是整数0）来实现。

import scipy as sp
array_int = sp.array([[0], [0]])
array_float = sp.array([[0.0], [0]])  # Note the extra .0 to make one element a float

array_int[0, 0] = array_int[0, 0] + 0.1
print array_int[0, 0] # 0

array_float[0, 0] = array_float[0, 0] + 0.1
print array_float[0, 0] # 0.1

Answer 2

亨利凯特已经解释得很好。我只会添加一个技术细节。

与仅仅重新引用integer_for_sure以引用float的{{1}}对象的常规赋值相反，从而更改变量的类型，赋值给数组元素，如

integer_for_sure + 0.1

实际上是更详细的语法糖

array_int[0, 0] = array_int[0, 0] + float_operand

（这适用于旧式的类;对于新式的类看起来有点不同但是这个想法保持不变）

每种数组类型的array_int.__setitem__((0,0), array_int.__getitem__((0,0)) + float_operand)方法对数组的类型执行其value参数的类型转换。实现赋值的实际C代码有点丑陋，涉及自定义预处理器。

另一方面

__setitem__

是

print array_int[0, 0] + float_operand

即。它从print array_int.__getitem__((0,0)) + float_operand获取整数值，将其与array_int相加，生成的float_operand对象传递给float。没有print的中间分配，因此没有类型转换。

Numpy数组错误或功能（在幕后转换为int）？

2 个答案: