避免 numpy 类型的强制陷阱？ [复制]答案

【问题标题】：avoid numpy type coercion gotcha? [duplicate]避免 numpy 类型的强制陷阱？ [复制]
【发布时间】：2016-01-07 21:05:12
【问题描述】：

这段代码给出了一个可怕的结果（这是在 Python 3.5，NumPy 1.10 中。）：

import numpy as np
a = np.array([0,0,1])
a[1] = 2.5

print(a) -----> [0 2 1]

（当您尝试将浮点数放入整数 numpy 数组中时，它会被舍入而不会发出警告！）

我的问题是：是否有任何 numpy 设置和/或编程技术可以可靠地避免这个问题？当然，我知道每次声明数组时我都可以使用a = np.array(..., dtype=float) 或a = np.array([0., 0., 1.]) 或其他任何东西，但我正在寻找比这更可靠的东西——毕竟我可能会健忘。例如，numpy 中是否有一个开关可以普遍打开粗略类型强制的警告？或者类似的东西？

【问题讨论】：

标签： python numpy type-conversion

【解决方案1】：

请注意，数组元素的类型是数组本身的一个属性，因此如果您尝试将其他类型的元素分配给数组，它将被静默转换（如果可能）：

>>> T = a.copy()
>>> T[2] = -1.5
>>> T
array([ 0,  0,  -1])
>>> T[2] = -0.5j
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: can't convert complex to int; use int(abs(z))

请注意，发生的转换是默认转换；在 float 到 int 转换的情况下，它是截断的。如果你想要一些不同的东西，比如发言，你必须自己安排（例如使用 np.floor()）。在将复数值转换为整数的情况下，没有合理的默认方法可以做到这一点，因此 numpy 会引发异常并使数组保持不变。这意味着没有办法。

有关更多信息，请参见此处： https://scipy.github.io/old-wiki/pages/Cookbook/Indexing.html

【讨论】：

【解决方案2】：

部分回答here。用设置或标志在 numpy 中执行此操作似乎是不可能的。

如果您不需要更高级的 numpy 功能，python 数组类型是一种表现更好的替代方案（请参阅this answer）。

我链接到的答案建议子类化 np.ndarray。至少可以说，这将是一项不平凡的任务。

我能看到的最简单的方法是：

a = np.array([0,0,1])
a[1] = 2.5
assert a[1] == 2.5

【讨论】：