Python numpy result_type用法及代码示例

本文简要介绍 python 语言中 numpy.result_type 的用法。

用法:

numpy.result_type(*arrays_and_dtypes)

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，但略有不同。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转换为 32 位浮点数，因此结果类型应为 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。

返回：

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 值集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')