Question

我正在玩比较两个不同数组的数据类型，以选择一个适合两者的组合。我很高兴发现我可以执行比较操作，但在此过程中发现了以下奇怪的行为：

In [1]: numpy.int16 > numpy.float32
Out[1]: True

In [2]: numpy.dtype('int16') > numpy.dtype('float32')
Out[2]: False

任何人都可以解释这里发生了什么吗？这是NumPy 1.8.2。

Answer 1

第一个比较没有意义，第二个有意义。

使用numpy.int16 > numpy.float32我们正在比较两个type个对象：

>>> type(numpy.int16)
type
>>> numpy.int16 > numpy.float32 # I'm using Python 3
TypeError: unorderable types: type() > type()

在Python 3中，此比较立即失败，因为type个实例没有定义的排序。在Python 2中，返回一个布尔值，但不能依赖它来保持一致性（它可以追溯到比较内存地址或其他实现级别的东西）。

第二个比较在Python 3中工作，并且它一致地工作（在Python 2中也是如此）。这是因为我们现在正在比较dtype个实例：

>>> type(numpy.dtype('int16'))
numpy.dtype
>>> numpy.dtype('int16') > numpy.dtype('float32')
False
>>> numpy.dtype('int32') < numpy.dtype('|S10')
False
>>> numpy.dtype('int32') < numpy.dtype('|S11')
True

这种排序背后的逻辑是什么？

dtype实例根据是否可以（安全地）转换为另一个实例进行排序。一种类型小于另一种类型，如果它可以安全地投射到该类型。

要实现比较运算符，请查看descriptor.c;特别是在arraydescr_richcompare函数。

以下是<运算符映射到的内容：

switch (cmp_op) {
 case Py_LT:
        if (!PyArray_EquivTypes(self, new) && PyArray_CanCastTo(self, new)) {
            result = Py_True;
        }
        else {
            result = Py_False;
        }
        break;

基本上，NumPy只检查两种类型是否（i）不等效，以及（ii）第一种类型可以转换为第二种类型。

此功能也在NumPy API中公开为np.can_cast：

>>> np.can_cast('int32', '|S10')
False
>>> np.can_cast('int32', '|S11')
True

Answer 2

没什么好玩的。 Python 2试图为没有定义如何相互比较的对象提供一致但无意义的比较结果。开发人员认为这是一个错误，在Python 3中，这些比较将引发TypeError。

NumPy数据类型比较

2 个答案: