numpy.array 有和没有指定 dtype 的行为很奇怪

Question

我对此完全感到困惑。

来自以下

import numpy as np

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

我预期输出：array([ 0.4, -9])。但它给了我

array([ 0, -9]).

但是当我把dtype改成f时

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

它给了我array([ 0.40000001, -9. ], dtype=float32) 的预期输出

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

dtype : 数据类型，可选 数组所需的数据类型。如果没有给出，那么类型将被确定为在序列中保存对象所需的最小类型。此参数只能用于“向上转换”数组。对于向下转换，请使用 .astype(t) 方法。

当我初始化数组时，它会将值初始化为integers，因此当我用float 索引数组时，它只识别0.4 的integer 部分，因此给了我0。我是这样理解的。这个对吗？。但我仍然对这种行为感到惊讶。

问题：这里到底发生了什么？

Answer 1

问题是你的数组是dtype=np.int64:

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

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

这意味着您只能存储整数，并且在分配完成之前会截断任何浮点数。如果要将浮点数和整数存储在一起，则应先指定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) 

至于array([ 0.40000001, -9. ]、0.4 的问题，因为浮点数在内存中没有精确的表示（只有一个近似值），这导致了您看到的不精确。