python - 为什么在使用 NumPy 进行楼层划分时会显示数据类型(即使它是 native 数据类型)？

Question

通常 dtype 等同于原生类型时会被隐藏:

>>> import numpy as np
>>> np.arange(5)
array([0, 1, 2, 3, 4])
>>> np.arange(5).dtype
dtype('int32')

>>> np.arange(5) + 3
array([3, 4, 5, 6, 7])

但不知何故，这不适用于底除法或取模:

>>> np.arange(5) // 3
array([0, 0, 0, 1, 1], dtype=int32)
>>> np.arange(5) % 3
array([0, 1, 2, 0, 1], dtype=int32)

为什么会有差异？

Python 3.5.4、NumPy 1.13.1、Windows 64 位

Answer 1

这里实际上有多个不同的 32 位整数数据类型。这可能是一个错误。

NumPy 已经(不小心？)创建了多个不同的有符号 32 位整数类型，可能对应于 C int 和 long。它们都显示为 numpy.int32，但它们实际上是不同的对象。在 C 级别，我相信类型对象是 PyIntArrType_Type 和 PyLongArrType_Type，生成 here .

dtype 对象有一个 type 属性对应于该 dtype 标量的类型对象。 NumPy inspects 正是这个 type 属性在决定是否在数组的 repr 中打印 dtype 信息时:

_typelessdata = [int_, float_, complex_]
if issubclass(intc, int):
    _typelessdata.append(intc)


if issubclass(longlong, int):
    _typelessdata.append(longlong)

...

def array_repr(arr, max_line_width=None, precision=None, suppress_small=None):
    ...
    skipdtype = (arr.dtype.type in _typelessdata) and arr.size > 0

    if skipdtype:
        return "%s(%s)" % (class_name, lst)
    else:
        ...
        return "%s(%s,%sdtype=%s)" % (class_name, lst, lf, typename)

在 numpy.arange(5) 和 numpy.arange(5) + 3 上，.dtype.type 是 numpy .int_;在 numpy.arange(5)//3 或 numpy.arange(5) % 3 上，.dtype.type 是另一个 32-位符号整数类型。

至于为什么+和//有不同的输出数据类型，它们使用不同的类型解析例程。 Here's // 和 here's + 的那个。 // 的类型解析寻找一个 ufunc 内部循环，该循环采用输入可以安全转换为的类型，而 + 的类型解析将 NumPy 类型提升应用于参数并选择与结果类型匹配的循环。