2D numpy数组不会从int64隐式转换为float64

Question

当numpy数组是向量时，设置起作用并且dtype隐式转换为float，但是当numpy数组是矩阵时，设置起作用但dtype仍然是int。 这是一个演示脚本来说明问题。

import numpy as np

# successfully sets / converts
x = np.array([100, 101])
c = -np.max(x)
x += c
print 'before', x.dtype
x = np.exp(x)
print 'after', x.dtype

print x

# doesn't successfully set / convert
matrix = np.array([(100, 101), (102, 103)])
for i in range(len(matrix)):
    c = -np.max(matrix[i])
    matrix[i] += c
    print 'before', matrix[i].dtype
    matrix[i] = np.exp(matrix[i])
    print 'after', matrix[i].dtype

print matrix

输出：

before int64
after float64 <-- from vector
[ 0.36787944  1.        ]
before int64
after int64 <-- from row 1 of matrix
before int64
after int64 <-- from row 2 of matrix
[[0 1]
 [0 1]]

这些数字被整数截断，这是我最初的问题，可追溯到此。

我正在使用Python 2.7.11和numpy 1.13.0

Answer 1

每当您将值写入现有数组时，该值都将dtype为与数组dtype相匹配。 在您的情况下，将所得的float64值int64为int64 ：

b = numpy.arange(4).reshape(2, 2)
b.dtype  # dtype('int64')

取任何这些值的numpy.exp()将返回float64 ：

numpy.exp(b[0, :]).dtype  # dtype('float64')

但是，如果现在使用此float64并将其写回到原始的int64数组中，则需要先进行转换：

b[0, :] = numpy.exp(b[0, :])
b.dtype  # dtype('int64')

注意使用

b = numpy.exp(b)

创建一个具有自己的dtype的新数组。 如果相反，您确实

b[:] = numpy.exp(b[:])

您将隐式地再次转换为int64 。

另请注意，无需像您一样编写循环。 相反，您可以将操作向量化：

np.exp(matrix - numpy.max(matrix, axis=1, keepdims=True))
# array([[ 0.36787944,  1.        ],
#        [ 0.36787944,  1.        ]])