Question

我对此感到十分困惑。

来自以下

import numpy as np

a = np.array([4, -9])
a[0] = 0.4
a

我预期输出： array([ 0.4, -9])。但它给了我

array([ 0, -9])。

但是当我将dtype更改为f

时

a = np.array([4, -9], 'f')
a[0] = 0.4
a

它给了我预期的array([ 0.40000001, -9. ], dtype=float32)

输出

numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)的文档说：

dtype：数据类型，可选数组所需的数据类型。如果没有给出，那么类型将被确定为保持序列中的对象所需的最小类型。此参数只能用于“upcast”数组。对于向下转换，请使用.astype（t）方法。

当我初始化数组时，它将值初始化为integers，因此当我使用float对数组建立索引时，它只识别integer的{{1}}部分，因此给了我0.4。这就是我理解它的方式。它是否正确？。但我仍然对这种行为感到惊讶。

问题：这到底发生了什么？

Answer 1

问题是您的数组是dtype=np.int64：

In [141]: a = np.array([4, -9])

In [142]: a.dtype
Out[142]: dtype('int64')

这意味着您只能存储整数，并且在分配完成之前会截断任何浮点数。如果要将浮点数和整数存储在一起，则应首先指定dtype=object：

In [143]: a = np.array([4, -9], dtype=object)

In [144]: a[0] = 0.4

In [145]: a
Out[145]: array([0.4, -9], dtype=object)

至于array([ 0.40000001, -9. ]，0.4的问题，因为浮点数在内存中没有精确的表示（只有近似的一个），这说明了你看到的不精确。