意外NumPy的/ Py3k強制規則

Question

我一直在尋找一個程序中的錯誤，我發現它是由來自numpy的一個意想不到的行爲產生...

在做，例如，在不同的一個簡單的算術運算使用Python3k和numpy的，像

整數類型

（numpy.uint64）+（int）的

結果是...一個numpy.float64

下面是一個例子：

v = numpy.array([10**16+1], dtype=numpy.uint64) 
print(v[0]) 
v[0] += 1 
print(v[0]) 

它產生如下結果：

10000000000000001 
10000000000000000 

這是相當意外的，當你用整數處理，以避免舍入誤差...

上述「問題」可以很容易地解決通過numpy.uint64（1）替換1，但我可以看到許多錯誤來自這個。這種情況背後的規則和邏輯是什麼？有沒有關於在這種情況下強制執行的方式的文檔？我找不到它。

我之前還以爲你可以通過使用.item（）對強制轉換的一些見解，但它更誤導：

v = numpy.array([10**16+1], dtype=numpy.uint64) 
print(type(v[0].item())) 
v[0] = v[0].item() + 1 
print(v[0]) 

產生

<class 'int'> 
10000000000000001 
10000000000000002 

所以.item（）變換numpy.uint64轉換爲int，如果你明確地在算術運算中使用它，它就可以工作。

我很驚訝，（但我缺乏經驗numpy的，我猜），即，當 'A' 對應於一個特定的numpy的D類，

a.item() + 1 

和

a + 1 

不產生相同的結果......並因此在轉換回numpy dtype時給出不同的結果。我通常使用Python 2，但是我必須在Py3k中做一些測試，而且這是一個方便的方法來做到這一點。 。它）

Answer 1

正如上面指出：

它工作正常：

dtype=np.int64 

代替：

dtype=np.uint64 

python 2和3，numpy 1.6和1.9。

只需使用：

np.int64 

沒有理由使用uint64，在2⁶⁴ - 1或2⁶³ - 1四溢幾乎是所有的實際目的是一樣的。

參考

• numpy Issue #5745: uint64 converted silently to float64 when adding an int