python - numpy.array() 中的 dtype 参数

Question

我想了解 Numpy 中数据类型的逻辑。

numpy.min_scalar_type(10)
-> uint8

和:

a = numpy.array([10])
print(a.dtype)
-> int32 (on my machine)

我期待 uint8 而不是 int32，因为 (1.9) 文档说:

numpy.array(object, dtype=None, ...)

dtype : data-type, optional. The desired data-type for the array. If not given, then the type will be determined as the minimum type required to hold the objects in the sequence

和:

numpy.min_scalar_type(a)

For scalar a, returns the data type with the smallest size and smallest scalar kind which can hold its value.

...

Returns: out : dtype. The minimal data type.

我是不是误解了什么？

Answer 1

Python 列表可以包含不同类型的对象，例如X = ['apples', 'oranges',10]。如果执行 type([10])，您会看到容器的 Python 类型在技术上称为列表，而不是数组。

相反，在 numpy 数组中，所有对象都属于同一类型，即 dtype。

文档告诉您，在创建 numpy 数组时，dtype 被设置为将保存所有现有对象 的类型。

看，看:

the type will be determined as the minimum type required to hold the objects in the sequence

作者或许应该加上“而不是他们的值(value)观”

我们可以很容易地将 uint8 设为 10:

ten = np.uint8(10)

如果将它放入 Python 列表中，它会保留其类型，因为 Python 列表会保留类型。如果将该列表发送到 numpy.array() 以生成一个 numpy 数组，则 numpy 数组将使用 dtype np.uint8 因为它足够大以容纳所有 ( 1) 预先存在的 Python 列表对象。

In [49]: np.array([ten]).dtype
Out[49]: dtype('uint8')

但是如果我们使用文字 10，python 会为它创建一个 int 对象而不是 np.uint8 因为 np.uint8 是 numpy 特有的，10 所做的就是调用 python 来创建该数字。

如果我们创建一个包含文字 10 的 Python 列表，我们将复制您的结果(使用机器架构整数):

In [50]: np.array([10]).dtype
Out[50]: dtype('int64')

如果我们将这两种类型放在一个 python 列表中，并将该列表发送到 np.array 以创建一个 numpy 数组，那么 dtype 必须足够大以容纳两个对象，在本例中为 int64。

In [51]: np.array([ten, 10]).dtype
Out[51]: dtype('int64')