Question

假设我输入：

a = uint8(200)
a*2

然后结果是400，并且重铸为uint16类型。

然而：

a = array([200],dtype=uint8)
a*2

，结果是

array([144], dtype=uint8)

乘法以256为模进行，以确保结果保持在一个字节中。

我对＆＃34;类型＆＃34;感到困惑。和＆＃34; dtypes＆＃34;并且使用一个而不是另一个。如您所见，类型可能会对输出产生显着影响。

例如，我可以创建单个数量的dtype uint8，以便对该数字的操作将以256为模进行吗？或者，我可以创建一个类型（不是dtype）uint8的数组，以便对它的操作产生超出0-255范围的值吗？

Answer 1

NumPy数组的type为numpy.ndarray;这只是Python对象的类型（类似于type("hello") str的例子）。

dtype只定义内存中的字节将如何由标量（即单个数字）或数组解释，以及字节的处理方式（例如int / {{1 }}）。因此，您不会更改数组或标量的float，只更改其type。

如您所见，如果将两个标量相乘，则生成的数据类型是可以转换这两个值的最小“安全”类型。但是，将数组和标量相乘只会返回相同数据类型的数组。函数dtype的{{3}}清楚地表明特定标量或数组对象的np.inspect_types何时发生变化：

NumPy中的类型提升与C ++等语言中的规则类似，但略有不同。当使用标量和数组时，数组的类型优先，并考虑标量的实际值。

文档仍在继续：

如果只有标量或标量的最大类别高于数组的最大类别，则数据类型与dtype组合以产生返回值。

因此对于promote_types两个标量，生成的数据类型将是documentation返回的类型：

np.uint8(200) * 2

对于>>> np.promote_types(np.uint8, int) dtype('int32')，数组的数据类型优先于标量np.array([200], dtype=np.uint8) * 2，并返回int数据类型。

要解决有关在操作期间保留标量np.uint8的最终问题，您必须限制用于避免NumPy自动dtype促销的任何其他标量的数据类型：

dtype

当然，替代方法是简单地将单个值包装在NumPy数组中（然后NumPy不会在使用不同>>> np.array([200], dtype=np.uint8) * np.uint8(2) 144的标量的操作中将其强制转换。）

要在操作期间提升数组的类型，可以先将任何标量包装在数组中：

dtype

Answer 2

简单，高级的答案是NumPy在Python的类型系统上层叠第二类系统。

当您要求NumPy对象的type时，您会获得容器的类型 - 类似于numpy.ndarray。但是，当您要求dtype时，您将获得元素的（numpy-managed）类型。

>>> from numpy import *
>>> arr = array([1.0, 4.0, 3.14])
>>> type(arr)
<type 'numpy.ndarray'>
>>> arr.dtype
dtype('float64')

有时，与使用默认float类型时一样，元素数据类型（dtype）等同于Python类型。但这相当于，不相同：

>>> arr.dtype == float
True
>>> arr.dtype is float
False

在其他情况下，没有等效的Python类型。例如，当您指定uint8时。这些数据值/类型可以由Python管理，但与C，Rust和其他系统语言不同，＆＃34;管理直接与机器数据类型对齐的值（如uint8与＆＃34;无符号字节＆＃34;计算）紧密对齐不是Python的常见用例。

因此，重要的是NumPy提供了在其自己的类型系统下运行的数组和矩阵等容器。它提供了一系列非常有用，优化良好的例程来操作这些容器（及其元素）。如果你小心，你可以混合和匹配NumPy和普通的Python计算。

没有Python类型uint8。有一个名为uint8的构造函数，在调用时返回NumPy类型：

>>> u = uint8(44)
>>> u
44
>>> u.dtype
dtype('uint8')
>>> type(u)
<type 'numpy.uint8'>

所以＆＃34;我可以创建一个类型的数组（不是dtype）uint8 ...？＆＃34;不，你不能。没有这样的动物。您可以在不使用NumPy uint8（a.k.a。NumPy标量值）的情况下，将计算约束为arrays规则。 E.g：

>>> uint8(44 + 1000)
20
>>> uint8(44) + uint8(1000)
20

但是如果你想计算mod 256的值，它可能更容易使用Python的mod运算符：

>> (44 + 1000) % 256
20

将大于255的数据值驱动到uint8数据类型中，然后进行算术运算是获得mod-256算法的一种后门方式。如果你不小心，你可能会导致Python升级＆＃34;你的值为全整数（杀死你的mod-256方案），或触发溢出异常（因为在C和机器语言中效果很好的技巧通常被更高级别的语言标记）。

Answer 3

numpy数组包含相同类型的元素，因此np.array([200],dtype=uint8) 是一个数组为uint8的值为的数组。执行np.uint8(200)时，您没有数组，只有单个值。这会产生巨大的差异。

对阵列执行某些操作时，类型保持不变，无论单个值是否溢出。禁止在数组中自动向上转换，因为整个数组的大小必须改变。只有在用户明确需要时才会这样做。对单个值执行操作时，它可以轻松地进行上传，而不会影响其他值。