NumPy数据类型比较

Question

我正在玩比较两个不同阵列的数据类型,以选择一个适合两者的组合.我很高兴发现我可以执行比较操作,但在此过程中发现了以下奇怪的行为:

In [1]: numpy.int16 > numpy.float32
Out[1]: True

In [2]: numpy.dtype('int16') > numpy.dtype('float32')
Out[2]: False

谁能解释一下这里发生了什么？这是NumPy 1.8.2.

Answer 1

第一个比较没有意义，第二个比较有意义。

随着numpy.int16 > numpy.float32我们比较两个type对象：

>>> type(numpy.int16)
type
>>> numpy.int16 > numpy.float32 # I'm using Python 3
TypeError: unorderable types: type() > type()

在 Python 3 中，这种比较立即失败，因为没有为type实例定义排序。在 Python 2 中，返回一个布尔值但不能依赖于一致性（它回退到比较内存地址或其他实现级别的东西）。

第二个比较在 Python 3 中确实有效，并且始终如一（在 Python 2 中相同）。这是因为我们现在正在比较dtype实例：

>>> type(numpy.dtype('int16'))
numpy.dtype
>>> numpy.dtype('int16') > numpy.dtype('float32')
False
>>> numpy.dtype('int32') < numpy.dtype('|S10')
False
>>> numpy.dtype('int32') < numpy.dtype('|S11')
True

这个排序背后的逻辑是什么？

dtype实例根据一个实例是否可以（安全地）转换为另一个实例进行排序。如果可以安全地强制转换为该类型，则一种类型小于另一种类型。

对于比较运算符的实现，请查看descriptor.c；特别是在arraydescr_richcompare函数中。

这是<运算符映射到的内容：

switch (cmp_op) {
 case Py_LT:
        if (!PyArray_EquivTypes(self, new) && PyArray_CanCastTo(self, new)) {
            result = Py_True;
        }
        else {
            result = Py_False;
        }
        break;

本质上，NumPy 只是检查这两种类型是否 (i) 不等价，以及 (ii) 第一种类型可以转换为第二种类型。

此功能也在 NumPy API 中公开为np.can_cast：

>>> np.can_cast('int32', '|S10')
False
>>> np.can_cast('int32', '|S11')
True