在同时使用numpy.array时，是否应该使用numpy.float64而不是Python float

到目前为止，我还没有遇到任何问题，所以这是一个纯粹出于好奇的问题

在Python中，我通常定义浮点数和浮点数数组，如下所示：

import numpy as np

s = 1.0
v = np.array([1.0, 2.0, 3.0])

在上述情况下，

s

是一个

float

，但是

v

的元素类型是

numpy.float64

例如，为了更加一致，我可以这样做：

import numpy as np

s = np.float64(1.0)
v = np.array([1.0, 2.0, 3.0])

从准确性/精密度的角度来看，是否存在建议使用“一致”方法的情况？“不一致”方法中可能会出现什么样的错误（如果有的话）？

Python（至少）在内部使用double作为它的

float

类型-double是64位的float（可能不总是，但我还没有找到一个平台+编译器，其中double不是64位的float）

因此，无论您将它们保持为

float

或

np.float64

，您都不应该期望出现任何类型的问题

---

但是，如果您使用Pythons

float

和NumPys

np.float32

，您可能会看到差异，因为

float

比

np.float32

（32位）具有更高的精度（64位）。

C double有8个字节的假设仍然硬连接到CPython源代码中的各个位置，因此，如果CPython遇到一个双精度不是64位的平台，它可能会严重崩溃。（是的，我假设字节有8位，但如果CPython遇到一个字节没有8位的平台，它将更糟糕地收支平衡。）所以，你认为双精度是64位浮点是一个相当安全的假设。：-）这里有一个这样的例子，在封送模块中假定8字节双精度：@MarkDickinson，很高兴知道。我只是做了一个肤浅的搜索，当我找到作者想要的问题时，我认为可能会有差异。如果我想要一个特殊数据类型的标量，我会使用

s=np.array（1.0，dtype=…）

。