为什么我不能在numpy中提升为负数?

为什么我不能在numpy中提升为负数?,第1张

为什么我不能在numpy中提升为负数?

在NumPy中,用于选择类似 *** 作的输出

a_range ** s
dtype的逻辑基于dtype,而不是值。这意味着
a_range **-2
必须具有与相同的输出dtype
a_range ** 2

numpy.array([2]) ** 2
给出整数输出之类的东西很重要,这意味着
numpy.array([2]) **-2
必须给出整数或什么都不给出。他们什么也没捡。将整数提高为负整数幂是NumPy中的错误。

如果要浮点输出,请进行浮点输入:

a_range = np.arange(2, n + 1, dtype=float)

要么

a_range = np.arange(2, n + 1).astype(float)

从上面的描述中可能不会想到NumPy的类型规则的一些奇怪方面。一种是对于涉及标量和数组的 *** 作,在使用输入dtypes选择结果dtype之前,实际上可以根据标量的dtype将其dtype降级

>>> (numpy.array([1], dtype='int8') + numpy.int32(1)).dtypedtype('int8')>>> (numpy.array([1], dtype='int8') + numpy.array([1], dtype='int32')).dtypedtype('int32')

在这里,标量

numpy.int32(1)
被“降级”到int8,但数组不会降级。(实际上,这不仅比降级为int8还复杂,尤其是对于有符号/无符号处理;有关详细信息,请参见实现。)

其次,当涉及到uint64s时,NumPy突然看起来可以接受负指数:

>>> numpy.arange(5, dtype='uint64') ** -2__main__:1: RuntimeWarning: divide by zero encountered in powerarray([       inf, 1.        , 0.25      , 0.11111111, 0.0625    ])

这是因为NumPy无法找到足够大的整数dtype来容纳uint64值和负值,因此它放弃并将输入强制为浮点数。只要避免使用标量类型“降级”,对于带符号dtype的正指数,可以看到相同的结果:

>>> numpy.arange(5, dtype='uint64') ** numpy.array([2], dtype='int32')array([ 0.,  1.,  4.,  9., 16.])


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zaji/5674306.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-12-16
下一篇 2022-12-17

发表评论

登录后才能评论

评论列表(0条)

保存