所以我总是这样创建 numpy 数组:
>>> u = np.zeros( 10, int )
>>> v = np.zeros( 10, float )
直到现在,我一直对最大允许值一无所知。我一直假设它会简单地工作。如果没有,我会得到 OverflowError,然后我会找到一些解决方法,比如取对数。
但最近我开始使用其他数据类型:
>>> v8 = np.zeros( 10, np.uint8 )
>>> v8[0] = 2 ** 8 - 1
>>> v8[1] = 2 ** 8
>>> v8
>>> array([255, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=uint8)
好吧,当我分配一个大于 255 的值时,我没有收到任何警告。这有点可怕。
所以我的问题是:
- 当我使用类型为
int和float的数组时,是否有可能我在不知情的情况下设置了一个太大的值(导致完全错误的计算)? - 如果我想使用
uint8,是否必须手动检查所有分配的值是否在[0, 255]中?
请您参考如下方法:
numpy 在机器层面的工作非常深入。测试很耗时,因此,测试留给了开发人员。 Python 更高级,许多测试都是自动完成的,或者在整数的情况下,整数可以具有任意大的值。在任何地方,您都必须在速度和安全性之间做出决定。 numpy 在速度方面更进一步。
在需要测试值范围的情况下,您必须自己检查。
clip 方法可以帮助您:
>>> u = np.array([124,-130, 213])
>>> u.astype('b')
array([124, 126, -43], dtype=int8)
>>> u.clip(-128,127).astype('b')
array([ 124, -128, 127], dtype=int8)
