Question

我有一个numpy数组：

 >>> b
 array([[ 2,  2],
        [ 6,  4],
        [10,  6]])

我想将第一列乘以浮点数，因此我需要int数，因为这样做的时候：

>>> b[:,0] *= 2.1

它说：

TypeError: Cannot cast ufunc multiply output from dtype('float64') to dtype('int64') with casting rule 'same_kind'

我需要一个看起来像这样的数组：

array([[ 4,  2],
       [12,  4],
       [21,  6]])

Answer 1

@Umang Gupta解决了您的问题。我很好奇这为什么起作用，所以我发布了我发现的其他上下文。 FWIW已经问过这个问题并回答了here，但是这个回答并没有真正按照我希望的方式遍历正在发生的一切，所以这是我的尝试：

使用*=运算符会调用__imul__()特殊方法来对Numpy ndarray进行就地乘法，这又calls是通用函数（ufunc）multiply()。

multiply()中有两个与这里相关的参数：out和casting。

out参数指定输出（及其类型）。在就地乘法运算符中，out设置为self，即ndarray对象，它称为乘法运算。特别是，*=的{{3}}看起来像这样：

ufunc(self, other, out=(self,))

^其中ufunc = multiply，self = b（ndarray，键入int64和other = 2.1（标量，键入float）

然而，casting参数确定操作所允许的数据类型强制转换的规则。 the exact call，casting的默认值为same_kind，As of Numpy 1.10：

仅允许安全类型转换或同一类型（例如float64到float32）内的类型转换

由于我们的ufunc调用未为casting参数指定值，所以使用了默认值（same_kind）-但这会引起问题，因为我们拥有将out指定为具有int64 dtype，这与int-float乘法的输出不是相同。使用same_kind强制转换时，操作的float无法转换为int。这就是为什么我们看到此错误。

我们可以使用multiply()明确复制此错误：

np.multiply(b, 2.1, out=b)
TypeError: Cannot cast ufunc multiply output from dtype('float64') to dtype('int64') with casting rule 'same_kind'

通过将参数值设置为casting，可以放宽multiply()的{{1}}要求。然后，如果还设置了"unsafe"，则输出将强制为out的类型，而不管其类型是否相同（如果可能）：

out

另一方面，可以使用常规赋值运算符更新np.multiply(b, 2.1, out=b, casting="unsafe") # specifying int output and allowing casting to be "unsafe" allows re-conversion to int array([[ 4, 4], [12, 8], [21, 12]])。这就是@Umang Gupta的解决方案。
使用：

b[:,0]

b[:,0] = b[:,0]* 2.1调用* ufunc，就像使用multiply一样。但是由于它没有调用操作的就地版本，因此没有指定*=参数，因此没有输出的设置类型。然后，标准类型转换允许int向上转换为浮点数：

out

然后，普通赋值运算符np.multiply(b, 2.1) # float output array([[ 4.2, 4.2], [ 12.6, 8.4], [ 21. , 12.6]])获取乘法的输出并将其存储在=中。根据{{3}}，将值分配给索引数组：

请注意，如果将较高的类型分配给较低的类型（例如，将浮点数分配给整数），分配可能会导致更改

因此，问题出在b[:,0]操作符对*=参数的自动设置而没有将out参数从casting更改为same_kind。（并不是这是一个错误，只是这就是为什么您会遇到错误。）并且公认的解决方案通过利用Numpy中分配的自动“向下转换”属性来解决此问题。希望有帮助！（此外，Numpy的专业人士，请随时纠正我的任何误解。）

Answer 2

虽然b[:,0] *= 2.1无效，但b[:,0] = b[:,0]* 2.1有效。

如何将int numpy数组的列乘以浮点数并保持int？

2 个答案: