强制转换时，Numpy整数除法有时会产生错误的结果
强制转换时，Numpy整数除法有时会产生错误的结果
提问于 2017-07-24 18:24:29
这两个部门产生不同结果的原因是什么？我非常困惑，因为对于一些数字，它给出了相同的结果，而对于一些数字，它不是这样的。
>>> import numpy as np
>>> a, b = np.array([844]), np.array([8186])
>>> a.dtype, b.dtype
(dtype('int32'), dtype('int32'))
>>> np.true_divide(a, b, dtype=np.float32)
array([ 0.10310286], dtype=float32)
>>> np.true_divide(a, b, dtype=np.float64)
array([-12.66666667]) # different result
>>> np.true_divide(a, b, dtype=np.float32).astype(np.float64)
array([ 0.10310286])
>>> a, b = np.array([1]), np.array([2])
>>> np.true_divide(a, b, dtype=np.float32)
array([ 0.5], dtype=float32)
>>> np.true_divide(a, b, dtype=np.float64)
array([ 0.5]) # same results在windows x64，Python3.5和3.6 x64，numpy 1.13.1上测试。
编辑:这是一个numpy错误，已经修复(https://github.com/numpy/numpy/pull/9469)。
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-07-24 20:01:37
这是一个bug in numpy。虽然这个问题应该在2015年就已经解决了，但看起来它仍然在制造问题。
当由于强制转换而导致类型签名解析失败时，true_divide将输入强制转换为int8
>>> np.int8(844) / np.int8(8186)
-12.666667
>>> np.true_divide(844, 8186, dtype=np.float64)
-12.666666666666666您只会得到介于-128和127之间的数字的正确结果，因为这是int8中可用的范围。
作为一种解决方法，您可以指定完整的签名，而不仅仅是返回类型：
>>> np.true_divide(844, 8186, signature='ii->d') # int32, int32 -> float64
0.10310285853896897
>>> np.true_divide(844, 8186, signature=(np.int32, np.int32, np.float64))
0.10310285853896897页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/45278112
复制相关文章
相似问题
腾讯云开发者
