python - strange implicit conversion of data type in numpy

Question

I create a simple numpy of data type uint as below:

import numpy as np
a = np.array([1,2,3], dtype=np.uint)

When I compute

a[0] + 1

I expect a result of 2, but it gives

2.0

Why there is such an implicit conversion to float for np.uint? Note that it does not happen with int or np.int64

标签： pythonnumpy

Answer 1

我能够在 numpy repo 上找到这个密切相关的 github 问题。根据numpyand的主要贡献者Robert Kern 的说法scipy，关于结果类型的决定是根据输入类型做出的。numpy依赖于具有特定类型实现的底层例程，其中两个参数属于相同类型，因此它必须提升为某种通用类型。在这种情况下，问题在于一种类型是无符号的，而另一种是有符号的：

...这是几个因素的汇合。作为这些例程基础的 numpy.add()ufunc 的实现仅具有特定于类型的实现，其中两个参数属于同一类型。因此 ufunc 系统需要将参数转换为通用类型。其中一个参数是有符号的，因此两个参数都需要转换为有符号类型。可以在最大范围内表示值的最小有符号类型uint64是float64（注意！并非所有uint64值都可以表示为浮点数！精度会丢失！但它比值的整个上半部分丢失float64的地方要好。）。int64

请注意，无符号和有符号 numpy 类型也会发生类似的情况， np.uint并且np.int：

>>> import numpy as np
>>> np.uint(0) + np.int64(1)
1.0