python - 为什么速记赋值和 NaN 有不同的行为？

Question

我在 python 2.7.3 中看到了这一点，同时使用了 pylab 和 numpy。这是为什么:

>>> x = pylab.arange(5)
>>> x = x + pylab.nan
>>> print x
[ nan  nan  nan  nan  nan]

不同于此:

>>> x = pylab.arange(5)
>>> x += pylab.nan
__main__:1: RuntimeWarning: invalid value encountered in add
>>> print x
[-9223372036854775808 -9223372036854775808 -9223372036854775808
 -9223372036854775808 -9223372036854775808]

?

Answer 1

这是因为 arange(5) 返回一个整数数组，而 nan 是一个浮点值。当您进行常规赋值时，这没问题，因为 x + nan 透明地将 x 转换为 float 以执行加法并返回 float 结果。但是对于 +=，它会尝试将这个 float 结果放回到原来的 x 中，这是一个 int 数组。这失败了，因为 int 数组不能接受 float 数据。

对 numpy 数组使用 += 会在适当的位置更新数组，如果计算结果的数据类型与原始数据类型不同，这将不起作用。