python之如何在 NumPy 中指定算术运算的结果数据类型

默认情况下，从 int 数组中减去 float32 数字似乎会生成 float64 数组。有没有一种方法可以规避这种情况并改为将 float32 作为结果的数据类型？

numpy.subtract不允许指定 dtype 参数。

对我来说实现这个的唯一方法是之前将 int 数组转换为 float32，有效地减去两个 float32 数组，这似乎也相当慢。这是应该的方式吗？

示例代码:

import time 
import numpy as np 
 
if __name__ == '__main__': 
 
    # some int32 array 
    a = np.arange(1e7) 
    print('a.dtype={}'.format(a.dtype)) # int32 
 
    # subtraction with a python float 
    t0 = time.clock() 
    b = a - 5.5 
    t1 = time.clock() 
    print('b.dtype={}, took {}s'.format(b.dtype, t1 - t0)) # float64 
 
    # a numpy float32 
    c = np.array(5.5, dtype=np.float32) 
    print('c.dtype={}'.format(c.dtype))  # float32 
 
    # subtraction with the numpy float32 
    t0 = time.clock() 
    d = a - c 
    t1 = time.clock() 
    print('d.dtype={}, took {}s'.format(d.dtype, t1 - t0)) # float64! why not float32 
 
    # convert the int32 to float32 
    e = a.astype(dtype=np.float32) 
    print('e.dtype={}'.format(e.dtype)) # float32 
 
    # subtract two float32 array 
    t0 = time.clock() 
    e = a.astype(dtype=np.float32) 
    f = e - c 
    t1 = time.clock() 
    print('f.dtype={}, took {}s'.format(f.dtype, t1 - t0)) # float32 (finally) 

打印

a.dtype=float64 
b.dtype=float64, took 0.0229595559008s 
c.dtype=float32 
d.dtype=float64, took 0.0223958136306s 
e.dtype=float32 
f.dtype=float32, took 0.0334388477586s 

之前手动转float32貌似比自动转float64慢

请您参考如下方法:

作为一个 ufunc，np.subtract 接受 several keyword arguments未在其主要文档页面上列出的内容。其中之一是 dtype，因此您可以说:np.subtract(a, b, dtype='float32') 并获得您想要的结果。

如果以后有帮助，np.promote_types将告诉您可以安全地转换两个数据类型的最小数据类型，以及 np.result_type会告诉你 dtype Numpy 的转换规则将默认产生。