2D numpy的阵列不隐式地从Int64类型转换为float64

Question

为什么当numpy的阵列是一个向量，设置工程和dtype被隐式转换为float但当numpy的阵列是矩阵，设置工程，但dtype仍然是int。这里有一个演示脚本来说明问题。

import numpy as np 

# successfully sets/converts 
x = np.array([100, 101]) 
c = -np.max(x) 
x += c 
print 'before', x.dtype 
x = np.exp(x) 
print 'after', x.dtype 

print x 

# doesn't successfully set/convert 
matrix = np.array([(100, 101), (102, 103)]) 
for i in range(len(matrix)): 
    c = -np.max(matrix[i]) 
    matrix[i] += c 
    print 'before', matrix[i].dtype 
    matrix[i] = np.exp(matrix[i]) 
    print 'after', matrix[i].dtype 

print matrix 

输出：

before int64 
after float64 <-- from vector 
[ 0.36787944 1.  ] 
before int64 
after int64 <-- from row 1 of matrix 
before int64 
after int64 <-- from row 2 of matrix 
[[0 1] 
[0 1]] 

的数字是整数截断，这是我原来的问题，追踪到这一点。我使用的是Python 2.7.11和numpy 1.13.0

Answer 1

当你写一个值到一个现有的阵列

，该值转换为数组dtype匹配。在你的情况下，最终float64值转换为int64：

b = numpy.arange(4).reshape(2, 2) 
b.dtype # dtype('int64') 

采取的任何这些值numpy.exp()将返回float64：

numpy.exp(b[0, :]).dtype # dtype('float64') 

，但如果你现在拿这个float64和写回进入原始int64阵列，需要先投：

b[0, :] = numpy.exp(b[0, :]) 
b.dtype # dtype('int64') 

请注意，使用

b = numpy.exp(b) 

创建一个具有自己的dtype的新阵列。如果您改为

b[:] = numpy.exp(b[:]) 

您可能会再次默认投射到int64。

另外请注意，没有必要像你这样写一个循环。相反，您可以矢量化操作：

np.exp(matrix - numpy.max(matrix, axis=1, keepdims=True)) 
# array([[ 0.36787944, 1.  ], 
#  [ 0.36787944, 1.  ]])