Numpy casting float32 to float64

Question

我想在python 3中的numpy float32阵列上执行一些标准操作，但是在使用numpy sum()时，我看到一些奇怪的行为。这是一个示例会话：

Python 3.6.1 |Anaconda 4.4.0 (x86_64)| (default, May 11 2017, 13:04:09) 
[GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)] on darwin
import numpy as np
np.__version__
Out[3]: '1.12.1'
a = np.ones(10).astype(np.float32)
np.sum(a).dtype
Out[5]: dtype('float32')
(np.sum(a)+1).dtype
Out[6]: dtype('float64')
(np.sum(a)+1.).dtype
Out[7]: dtype('float64')
(a+1).dtype
Out[8]: dtype('float32')

有什么原因是，将标量添加到总和的结果（似乎具有float32的dtype）的结果会将其归还给float64吗？需要明确的是，我知道我可以明确地将标量施加到float32，但是如上一行所示，Numpy在将标量添加到数组时仍然尊重float32。任何解释或建议如何在不明确铸造的情况下将事物保持为float32？

Answer 1

np.sum(a)的结果是numpy标量，而不是数组。仅涉及标量的操作使用涉及（正维）numpy阵列的操作的不同铸造规则，numpy.result_type的文档中描述了。

当操作仅涉及标量（包括0维数组）时，结果dtype纯粹由输入dtypes确定。仅涉及（正维）阵列的操作也是如此。

然而，当混合标量和（正维）阵列时，Numpy检查标量的值，以查看标量的值以查看"较小" dtype是否可以保持它们，然后使用该dtype用于类型促销。（即使数组的值适合较小的dtype，阵列也不会经历此过程。）

因此，

np.sum(a)+1

是标量操作，将1转换为DTYPE int_的Numpy标量（根据C长的大小，INT32或INT64），然后基于DTYPES FLOAT32和INT32/INT64进行促销，但是

a+1

涉及一个数组，因此1的DTYPE被视为INT8，以促销。

由于float32无法容纳所有dtype int32（或int64）的值，因此numpy升级到float64进行第一个促销。（float64不能容纳所有dtype int64的值，但是numpy不会促进numpy.longdouble。第二促销。

如果使用大于1的数字，则它不适合INT8：

In [16]: (a+1).dtype
Out[16]: dtype('float32')
In [17]: (a+1000000000).dtype
Out[17]: dtype('float64')

您可以看到不同的促销行为。