Python 将列表转换为numpy数组时的数据类型用法

创建numpy数组时，我被

dtype

弄糊涂了。我从浮动列表中创建它们。首先让我注意到这不是打印问题，因为我已经做了：

np.set\u printoptions（precision=18）

这是我清单的一部分：

In [37]: boundary
Out[37]: 
[['3366307.654296875', '5814192.595703125'],
 ['3366372.2244873046875', '5814350.752685546875'],
 ['3366593.37969970703125', '5814844.73492431640625'],
 ['3367585.4779052734375', '5814429.293701171875'],
 ['3367680.55389404296875', '5814346.618896484375'],
 ....
 [ 3366307.654296875     ,  5814192.595703125     ]]

然后我将其转换为numpy数组：

In [43]: boundary2=np.asarray(boundary, dtype=float)   
In [44]: boundary2
Out[44]: 
array([[ 3366307.654296875     ,  5814192.595703125     ],
       [ 3366372.2244873046875 ,  5814350.752685546875  ],
       [ 3366593.37969970703125,  5814844.73492431640625],
        ....
       [ 3366307.654296875     ,  5814192.595703125     ]])
# the full number of significant digits is preserved. 
# this also works with:
In [45]: boundary2=np.array(boundary, dtype=float)

In [46]: boundary2
Out[46]: 
array([[ 3366307.654296875     ,  5814192.595703125     ],
     [ 3366372.2244873046875 ,  5814350.752685546875  ],
     [ 3366593.37969970703125,  5814844.73492431640625],
     ...
     [ 3366307.654296875     ,  5814192.595703125     ]])

# This also works with dtype=np.float
In [56]: boundary3=np.array(boundary, dtype=np.float)
In [57]: boundary3
Out[57]: 
array([[ 3366307.654296875     ,  5814192.595703125     ],
       [ 3366372.2244873046875 ,  5814350.752685546875  ],
       [ 3366593.37969970703125,  5814844.73492431640625],
       ....
       [ 3366307.654296875     ,  5814192.595703125     ]])

这就是为什么我感到困惑，如果我使用

dtype=np.float32

it就好像我失去了有效数字：

In [58]: boundary4=np.array(boundary, dtype=np.float32)   
In [59]: boundary4
Out[59]: 
array([[ 3366307.75,  5814192.5 ],
       [ 3366372.25,  5814351.  ],
       [ 3366593.5 ,  5814844.5 ],
       [ 3367585.5 ,  5814429.5 ],
       ...
       [ 3366307.75,  5814192.5 ]], dtype=float32)

我之所以说似乎是因为数组显然是相同的。我无法直接查看数据，但使用

np进行检查。allclose

返回True：

In [65]: np.allclose(boundary2, boundary4)
Out[65]: True

因此，如果你读到目前为止，我希望你明白我为什么感到困惑，也许有人可以回答以下两个问题：

为什么

dtype=float32

会“隐藏”我的数据

我应该关注它，还是可以安全地继续使用

dtype=float

---

所有浮点类型的精度都有限。它们可以存储的有效位数取决于浮点类型中的位数。如果您提供

float

、

numpy.float

或

numpy.float64

作为

dtype

，则使用64位（“双精度”），产生大约16位有效十进制数字。对于

numpy.float32

，使用32位（“单精度”），产生大约8位有效十进制数字。因此，没有什么是“隐藏的”，您只需看到有限浮点精度的效果

numpy.allclose（）

返回

True

，因为所有值都在所选浮点类型的限制范围内接近。

所有浮点类型的精度都有限。它们可以存储的有效位数取决于浮点类型中的位数。如果您提供

float

、

numpy.float

或

numpy.float64

作为

dtype

，则使用64位（“双精度”），产生大约16位有效十进制数字。对于

numpy.float32

，使用32位（“单精度”），产生大约8位有效十进制数字。因此，没有什么是“隐藏的”，您只需看到有限浮点精度的效果

numpy.allclose（）

返回

True

，因为所有值都在所选浮点类型的限制范围内接近。

您是否知道

float

表示64位浮点，而

float32

只有该精度的一半？@larsmans，不，我不知道。我一直在文档中搜索…@larsmans，刚刚找到它，thaks根据您的提示您是否知道

float

意味着64位浮点，而

float32

只有该精度的一半？@larsmans，不，我不知道。我一直在文档中搜索…@larsmans，刚刚找到它，感谢你的提示thaks，事实上，使用float 64，我在float上得到了相同的结果，精度非常高。现在，我甚至找到了正确的文档：谢谢，事实上，使用float64，我在float上得到了相同的结果，精度非常高。现在，我甚至找到了正确的文档：