numpy.array未指定dtype和指定dtype的行为奇怪

Question

我很困惑这个问题。

以下内容是：

从下面的内容看

import numpy as np

a = np.array([4, -9])
a[0] = 0.4
a

我期望的输出是：array([ 0.4, -9])，但它给了我 array([ 0, -9])。但是当我将dtype更改为f时，结果就变成了这样：

a = np.array([4, -9], 'f')
a[0] = 0.4
a

这段代码的预期输出是 array([ 0.40000001, -9. ], dtype=float32)

numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0) 的文档中提到:

dtype: 数据类型，可选参数 数组所需的数据类型。如果没有给出，则类型将被确定为容纳序列中对象所需的最小类型。此参数仅用于“向上转型”数组。对于向下转型，请使用 .astype(t) 方法。

当我初始化数组时，它将值初始化为 整数，因此当我使用 浮点数 索引数组时，它只识别了 0.4 的 整数 部分，因此给出了 0。这就是我理解的。这正确吗？但我仍然对这种行为感到惊讶。

问题: 到底发生了什么？

- Kid Charlamagne

Answer 1

问题在于您的数组的dtype=np.int64：

In [141]: a = np.array([4, -9])

In [142]: a.dtype
Out[142]: dtype('int64')

这意味着只能存储整数，任何浮点数在赋值之前都会被截断。如果要同时存储浮点数和整数，应先指定dtype=object：

In [143]: a = np.array([4, -9], dtype=object)

In [144]: a[0] = 0.4

In [145]: a
Out[145]: array([0.4, -9], dtype=object) 

关于 array([ 0.40000001, -9. ] 的问题，0.4 作为浮点数在内存中没有精确的表示（只有近似值），这就解释了你看到的不精确性。

- cs95

---

太好了，这解决了问题。显然，我还有很多要学习的。 - Kid Charlamagne

我不喜欢使用 dtype=object 来保存浮点数和整数的想法。如果需要混合字符串和数字，那么这样做是可以的，或者更好的方法是用于保存诸如列表之类的东西。但对于纯数值数据，最好使用数值 dtype。 - hpaulj

什么样的数字dtype能够完成这项工作？使用float？还是d？ - Kid Charlamagne

@JackDawkins 我认为总体问题在于你想要将整数和浮点数存储在一起。如果你想这么做，可以这样做。但是我们给你的建议是：不要这样做。 - cs95

@JackDawkins 要么是 [4, 9]，要么是 [4.0, 9.0]。但不能半斤八两。 - cs95