2D numpy數組不會從int64隱式轉換為float64

Question

當numpy數組是向量時，設置起作用並且dtype隱式轉換為float，但是當numpy數組是矩陣時，設置起作用但dtype仍然是int。 這是一個演示腳本來說明問題。

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

輸出：

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]]

這些數字被整數截斷，這是我最初的問題，可追溯到此。

我正在使用Python 2.7.11和numpy 1.13.0

Answer 1

每當您將值寫入現有數組時，該值都將dtype為與數組dtype相匹配。 在您的情況下，將所得的float64值int64為int64 ：

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

取任何這些值的numpy.exp()將返回float64 ：

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

但是，如果現在使用此float64並將其寫回到原始的int64數組中，則需要先進行轉換：

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

注意使用

b = numpy.exp(b)

創建一個具有自己的dtype的新數組。 如果相反，您確實

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

您將隱式地再次轉換為int64 。

另請注意，無需像您一樣編寫循環。 相反，您可以將操作向量化：

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