Python 混合浮点数和字符串的不一致数据类型推断 np.array（[5.3,1.2,76.1，'Alice'，'Bob'，'Claire']））

我想知道为什么这会给出一个dtype=U32的数据类型，而下面的代码给出了一个U6的数据类型

np.array（['Alice'，'Bob'，'Claire'，5.3,1.2,76.1]）

Numpy试图通过计算存储对象所需的位数来提高存储数据类型的效率

import np
a = np.array([5.3, 1.2, 76.1, 'Alice', 'Bob', 'Claire'])
b = np.array(['Alice', 'Bob', 'Claire', 5.3, 1.2, 76.1])
print(a.dtype, b.dtype)

>>> <U32 <U6

导入np
a=np.数组（[5.3,1.2,76.1，'Alice'，'Bob'，'Claire']））
b=np.数组（['Alice'，'Bob'，'Claire'，5.3,1.2,76.1]）
打印（a.D类型，b.D类型）
>>>“Numpy看到5.3并将其放入32码点数据类型的数据类型”与“Numpy继续前进并看到5.3，也可以放入6码点数据类型”相比令人惊讶。你可能是对的，它正在发生，但这并没有深入探讨原因。
np.array
是一个编译函数，所以我们不能很容易地了解它在做什么。我们只能从结果中猜测。它可能是基于初始值进行猜测，并在遇到新值时对猜测进行细化。初始数字，浮点数或整数，会产生更长的字符数据类型。但为什么要担心呢？在内存很重要的情况下，不应该使用这种类型的数组构造。请尝试
np.array（[np.int32（2），'alice']）
和其他数据类型。
U
长度随
int/uint
大小而变化，但浮动似乎都会产生
U32
。显然，一些开发人员选择了它作为一个安全值，并且没有人费心去改进这个选择。