python - NumPy 在浮点运算中将较低的精度转换为较高的精度

Question

毫无疑问，其他(也许是所有)语言都是这种情况，但我只在 Python 中进行了测试。我的问题是:为什么 NumPy 对两个精度不同的值进行算术运算时，返回的结果是精度最高的值的 dtype？

例如

import numpy as np

single = np.array([[1, 2, 3], [4, 5, 6]], np.float32)  
double = np.array([[1, 2, 3], [4, 5, 6]], np.float64)

diff = single-double

print "single data type -", single.dtype  
print "double data type -", double.dtype  
print "diff data type -", diff.dtype

产量:

single data type - float32
double data type - float64
diff data type - float64

据我了解浮点精度，diff 表示的额外后半部分不准确。在那种情况下，将结果转换为最高精度而不是最低精度的原因是什么？

Answer 1

这称为类型强制转换，至少在 NumPy 中，它总是会强制转换为具有更高精度的类型，因为这样您就不会意外失去精度，也不会发生溢出。

例如(关于“溢出”)强制转换为 float64 它(有点)有效:

>>> np.float64(1e40) - np.float32(1)
1e40

但如果它强制转换为 float32，您将得到:

>>> np.float64(1e40).astype(np.float32) - np.float32(1)
inf

那是因为最大的 float32 是 3.4028235e+38。

>>> np.finfo(np.float32)
finfo(resolution=1e-06, min=-3.4028235e+38, max=3.4028235e+38, dtype=float32)