Python dask.array.result_type用法及代码示例

用法: dask.array.result_type(*arrays_and_dtypes)

此文档字符串是从 numpy.result_type 复制的。

可能存在与 Dask 版本的一些不一致之处。

返回将 NumPy 类型提升规则应用于参数所产生的类型。

NumPy 中的类型提升与 C++ 等语言中的规则类似，但有一些细微差别。当同时使用标量和数组时，数组的类型优先并考虑标量的实际值。

例如，计算 3*a，其中 a 是一个 32 位浮点数的数组，直观地应该得到一个 32 位浮点数输出。如果 3 是 32 位整数，NumPy 规则表明它不能无损地转换为 32 位浮点数，因此结果类型应该是 64 位浮点数。通过检查常量 ‘3’ 的值，我们看到它适合 8 位整数，可以无损地转换为 32 位浮点数。

参数：

arrays_and_dtypes：数组和数据类型列表: 需要其结果类型的某些操作的操作数。

out：类型: 结果类型。

注意：

使用的具体算法如下。

通过首先检查所有数组和标量的最大类型是布尔值、整数 (int/uint) 还是浮点数 (float/complex) 来确定类别。

如果只有标量或标量的最大类别高于数组的最大类别，则将数据类型与promote_types()组合以产生返回值。

否则，在每个数组上调用min_scalar_type，并将结果数据类型全部与promote_types() 组合以产生返回值。

int 值的集合不是具有相同位数的类型的 uint 值的子集，这在 min_scalar_type() 中没有反映，但在 result_type 中作为特殊情况处理。

例子：

>>> np.result_type(3, np.arange(7, dtype='i1'))  
dtype('int8')

>>> np.result_type('i4', 'c8')  
dtype('complex128')

>>> np.result_type(3.0, -2)  
dtype('float64')

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask.array.result_type。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：