python - Numpy 将 float32 转换为 float64

Question

我想在 python 3 中对 numpy float32 数组执行一些标准操作，但是在使用 numpy sum() 时我看到了一些奇怪的行为。这是一个示例 session :

Python 3.6.1 |Anaconda 4.4.0 (x86_64)| (default, May 11 2017, 13:04:09) 
[GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)] on darwin

import numpy as np
np.__version__
Out[3]: '1.12.1'
a = np.ones(10).astype(np.float32)
np.sum(a).dtype
Out[5]: dtype('float32')
(np.sum(a)+1).dtype
Out[6]: dtype('float64')
(np.sum(a)+1.).dtype
Out[7]: dtype('float64')
(a+1).dtype
Out[8]: dtype('float32')

将标量添加到求和结果(似乎具有 float32 的 dtype)的任何原因都会将其转换回 float64?需要明确的是，我知道我可以将标量显式转换为 float32，但是正如最后一行所示，在将标量添加到数组时，numpy 仍然遵循 float32。任何解释或建议如何在没有显式转换的情况下将事物保持为 float32 ？

Answer 1

np.sum(a) 的结果是 NumPy 标量，而不是数组。仅涉及标量的操作使用与涉​​及(正维)NumPy 数组的操作不同的转换规则，在文档中描述 numpy.result_type .

当操作仅涉及标量(包括 0 维数组)时，结果数据类型完全由输入数据类型确定。对于仅涉及(正维)数组的操作也是如此。

但是，当标量和(正维)数组混合时，NumPy 不使用标量的实际 dtype，而是检查标量的值以查看“较小”的 dtype 是否可以容纳它们，然后使用该 dtype用于类型提升。 (数组不会经历这个过程，即使它们的值适合较小的 dtype。)

因此，

np.sum(a)+1

是标量运算，将 1 转换为 dtype int_ 的 NumPy 标量(int32 或 int64 取决于 C long 的大小)然后根据数据类型 float32 和 int32/int64 执行提升，但是

a+1

涉及到一个数组，所以为了推广目的，1的数据类型被视为int8。

由于 float32 不能保存 dtype int32(或 int64)的所有值，NumPy 升级到 float64 以进行第一次升级。 (float64 不能保存 dtype int64 的所有值，但 NumPy 不会为此提升为 numpy.longdouble。)由于 float32 可以 保存 dtype int8 的所有值，NumPy 坚持使用 float32 作为二次推广。

如果您使用大于 1 的数字，则它不适合 int8:

In [16]: (a+1).dtype
Out[16]: dtype('float32')

In [17]: (a+1000000000).dtype
Out[17]: dtype('float64')

可以看到不同的推广行为。