Python numpy数据类型转换在x=x+；a和x+=A.

在python中操作一些numpy数组时，我注意到

x=x+a

和

x+=a

之间的操作有些不同

我想做的只是将一些随机错误添加到一个整数列表中，如下所示：

x=numpy.arange(12)
a=numpy.random.random(size=12)
x+=a

但是打印出

x

会给出一个整数列表

[0,1,2,3,4,5,6,7,8,9,10,11]

结果表明，如果我使用

x=x+a

，它会按预期工作

这是我们应该意识到的，我的意思是它的行为如此不同。我曾经认为，

x+=a

和

x=x+a

之间是完全等价的，我一直在不加注意地交替使用它们。现在，我非常关心和担心我到目前为止所做的所有计算。谁知道这在何时何地造成了一个问题，我必须仔细检查每件事

---

这是numpy中的一个bug吗？我已经在numpy版本1.2.0和1.6.1中进行了测试，他们都这样做了。

x+=a

修改

x

到位：数据将在分配时转换为

int

x=x+a

将

x+a

的结果分配给标签

x

，在这种情况下

x+a

将升级为

float

不，这不是错误，这是预期行为

+=

执行就地加法，因此无法更改数组

x

的数据类型。当数据类型为整数时，这意味着由于添加

a

的元素而产生的浮点临时变量将被截断为整数。由于

np.random.random

返回范围

[0，1）

内的浮点值，因此结果总是被截断回

x

中的值

相比之下，

x+a

无论如何都需要分配一个新数组，并且当一个参数是float，另一个是整数时，将该新数组的数据类型向上转换为float

避免此问题的最佳方法是在

arange

调用中明确说明所需的数据类型：

x = np.arange(12, dtype=float)
x += np.random.random(size=12)

（请注意，

x+=a

和

x=x+a

在Python中很少等价，因为后者通常修改

x

指向的对象。例如，对于纯Python列表：

a = []
b = a
a += [1]

---

也修改

b

，而

a=a+[1]

将保持

b

不变。）

非常感谢。上帝啊，我从脚本中简单地将

+=

变灰就得到了这么多行。噩梦。感谢你澄清这一点。所以对于标量变量，它们是相同的，而差异只是针对参考变量？我想知道保留此功能有什么好处。或者我是唯一不知道这一点的人……adv就地操作的缺点是避免了分配新阵列，因此效率更高。请参阅