python - 当指数为负时，为什么 numpy.power 不按元素对数组进行操作？

Question

负指数的 numpy.power 或 ** 和使用数组时/之间有什么区别？为什么 numpy.power 不像 documentation 中描述的那样按元素行事.

例如使用python 2.7.3:

>>> from __future__ import division
>>> import numpy as np   
>>> A = arange(9).reshape(3,3)
>>> A
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

当指数为负时，** 和 numpy.power 似乎没有按元素行事

>>> A**-1
array([[-9223372036854775808,                    1,                    0],
       [                   0,                    0,                    0],
       [                   0,                    0,                    0]])
>>> np.power(A, -1)
array([[-9223372036854775808,                    1,                    0],
       [                   0,                    0,                    0],
       [                   0,                    0,                    0]])

而/是按元素行事的

>>> 1/A
array([[        inf,  1.        ,  0.5       ],
       [ 0.33333333,  0.25      ,  0.2       ],
       [ 0.16666667,  0.14285714,  0.125     ]])

当指数为正时，我没有这样的问题。为什么它对负指数的表现不同？

Answer 1

这主要是类型转换问题。运算符自然会假定您不希望将数字向上转换为不同的类型。 2**-1与整数最接近的值为0，这可以验证int(2**-1) >>>0。

首先创建int类型的数组A:

A = np.arange(9).reshape(3,3)
>>> A.dtype
dtype('int64')

将数组 A 复制到 A_float 作为 float 类型:

>>> A_float = A.astype(float)
>>> A_float.dtype
dtype('float64')

对两者运行**-1操作:

>>> A_float**-1
array([[        inf,  1.        ,  0.5       ],
       [ 0.33333333,  0.25      ,  0.2       ],
       [ 0.16666667,  0.14285714,  0.125     ]])

>>> A**-1
array([[-9223372036854775808,                    1,                    0],
       [                   0,                    0,                    0],
       [                   0,                    0,                    0]])

观察 numpy 不会自动假定您希望以 float 完成此操作并尝试使用整数来完成此操作。如果您在任一操作数中表示一个 float ，由于“安全”转换规则，您将获得一个 float 输出:

>>> A**-1.0
array([[        inf,  1.        ,  0.5       ],
       [ 0.33333333,  0.25      ,  0.2       ],
       [ 0.16666667,  0.14285714,  0.125     ]])

另一种选择是强制 np.power 将操作转换为 float :

>>> np.power(A,-1,dtype=float)
array([[        inf,  1.        ,  0.5       ],
       [ 0.33333333,  0.25      ,  0.2       ],
       [ 0.16666667,  0.14285714,  0.125     ]])

我不确定您为什么使用 1/A 获得 float 结果。 1.0/A 不过效果很好。