为什么NumPy整数减法会产生float64？

Question

在numpy中，为什么整数相减有时会产生浮点数？

>>> x = np.int64(2) - np.uint64(1)
>>> x
1.0
>>> x.dtype
dtype('float64')

当使用多种不同的整数类型（例如，有符号和无符号），且没有更大的整数类型可用时，似乎只会出现这种情况。

- benjimin

---

当我们用int32减去uint32时，不会复制相同的行为，但结果是int64。看起来像是numpy将其提升为浮点数，因为没有更大的整数类型。我找不到任何关于这种转换的文档。 - gout

Answer 1

这是由numpy作者做出的明智决策。在决定结果类型时，只考虑操作数的类型，而不考虑它们的实际值。对于您执行的操作，存在结果超出有效范围的风险，例如，如果您减去一个非常大的uint64数字，则结果将不适合于int64。因此，安全选择是转换为float64，这肯定会符合结果（尽管可能精度降低）。

与x = np.int32(2) - np.uint32(1)的示例进行比较。这总是可以安全地表示为int64，因此选择该类型。对于x = np.int64(2) - np.uint32(1)也是如此。这也将产生一个int64。

另一种选择是遵循例如c规则，将所有内容转换为uint64。但这当然可能导致非常奇怪的溢出/下溢结果。

如果您想事先知道最终使用的类型是什么，请查看np.result_type()、np.can_cast()和np.promote_types()。阅读文档也可能有助于更好地理解问题。

- JohanL

---

除了有关这些特定函数的文档（对于更广泛的问题几乎没有什么可说的），您是否知道哪些部分的文档确实涵盖了这个问题？我已经搜索了一段时间，但并没有找到任何信息。 - Peter Hansen

不，它似乎相当稀疏。可以在问题的错误报告中找到更多信息和解释，例如 https://github.com/numpy/numpy/issues/7126，其中提供了更详细的说明。 - JohanL

Answer 2

我对NumPy不是专家，但我怀疑由于float64是能够适应int64和uint64域的最小数据类型，所以减法操作将两个操作数都转换为float64，以便该操作始终成功。

例如，在使用int8和uint8时：+128 - (256)无法适应int8，因为-128在int8中无效，它只能回到-127。同样，在这种情况下我们不能使用uint8，因为我们显然需要符号。因此，我们采用浮点数/双精度数，因为它可以很好地适应两个方向。

- mattjegan