当数组元素和目标不是相同的数据类型时，numpy.where（）方法如何处理相等条件

Question

我有一个很长的列表，其元素类型是int。 我想找到等于某个数字的元素索引，并使用np.where来实现这一点。

以下是我的原始代码，

# suppose x is [1, 1, 2, 3]
y = np.array(x, dtype=np.float32)
idx = list(np.where(y==1)[0])
# output is [0, 1]

经过一段时间检查代码后，我意识到我不应该使用dtype=np.float32因为它会将y的数据类型更改为float。 正确的代码应该如下，

# suppose x is [1, 1, 2, 3]
y = np.array(x)
idx = list(np.where(y==1)[0])
# output is also [0, 1]

令人惊讶的是，这两个代码片段产生了完全相同的结果。

我的问题

我确实在numpy.where处理了相等性测试的条件。当数组和目标的数据类型不兼容时（int vs float，例如）？

Answer 1

NumPy（ 这里的源代码）不关心数据类型的比较：它的第一个参数是bool类型的数组。 当你写y == 1 ，这是一个数组比较操作，它返回一个布尔数组，然后作为参数传递给where 。

相关的方法是equal ，您可以通过编写y == 1隐式调用。 它的文件说：

比较的是价值，而不是类型。

例如，

x, y, z = np.float64(0.25), np.float32(0.25), 0.25

这些都是不同的类型， (numpy.float64, numpy.float32, float)但是x == y和y == z和x == z都是True。 重要的是0.25在二进制系统（1/4）中精确表示。

同

x, y, z = np.float64(0.2), np.float32(0.2), 0.2

我们看到x == y为False，y == z为False，但x == z为True，因为Python浮点数是64位，就像np.float64一样。 由于1/5并不完全用二进制表示，因此使用32位与64位会导致两个不同的近似值达到1/5，这就是相等失败的原因：不是因为类型，而是因为np.float64(0.2)和np.float32(0.2)实际上是不同的值（它们的差异大约是3e-9）。