当使用NumPy的分区时,为什么显示dtype(即使它是原生的)？

Question

通常,dtype当它等同于本机类型时,它是隐藏的:

>>> import numpy as np
>>> np.arange(5)
array([0, 1, 2, 3, 4])
>>> np.arange(5).dtype
dtype('int32')

>>> np.arange(5) + 3
array([3, 4, 5, 6, 7])

但不知何故,这不适用于地板划分或模数:

>>> np.arange(5) // 3
array([0, 0, 0, 1, 1], dtype=int32)
>>> np.arange(5) % 3
array([0, 1, 2, 0, 1], dtype=int32)

为什么会有区别？

Python 3.5.4,NumPy 1.13.1,Windows 64bit

Answer 1

您实际上在这里有多个不同的 32 位整数 dtype。这可能是一个错误。

NumPy 已经（意外地？）创建了多个不同的有符号 32 位整数类型，可能对应于 Cint和long. 它们都显示为numpy.int32，但它们实际上是不同的对象。在 C 级别，我相信类型对象是PyIntArrType_Typeand PyLongArrType_Type，在此处生成。

dtype 对象具有type与该 dtype 的标量的类型对象相对应的属性。NumPy在决定是否在数组的 中打印信息时检查的正是这个type属性：dtyperepr

_typelessdata = [int_, float_, complex_]
if issubclass(intc, int):
    _typelessdata.append(intc)


if issubclass(longlong, int):
    _typelessdata.append(longlong)

...

def array_repr(arr, max_line_width=None, precision=None, suppress_small=None):
    ...
    skipdtype = (arr.dtype.type in _typelessdata) and arr.size > 0

    if skipdtype:
        return "%s(%s)" % (class_name, lst)
    else:
        ...
        return "%s(%s,%sdtype=%s)" % (class_name, lst, lf, typename)

在numpy.arange(5)和 上numpy.arange(5) + 3，.dtype.type是numpy.int_; onnumpy.arange(5) // 3或numpy.arange(5) % 3,.dtype.type是另一种 32 位有符号整数类型。

至于为什么+和//有不同的输出 dtypes，它们使用不同的类型解析例程。这是一个 for //，这是一个 for +。//的类型解析寻找一个 ufunc 内部循环，该循环采用可以安全地将输入转换为+的类型，而的类型解析将 NumPy 类型提升应用于参数并选择与结果类型匹配的循环。