Python 如何在NumPy中指定算术运算的结果数据类型？

默认情况下，从int数组中减去float32会得到float64数组。有并没有办法绕过这一点，取而代之的是将float32作为结果的数据类型

不允许指定数据类型参数

对我来说，实现这一点的唯一方法是之前将int数组转换为float32，有效地减去两个float32数组，这两个数组看起来也相当慢。这是应该的吗

示例代码：

import time
import numpy as np

if __name__ == '__main__':

    # some int32 array
    a = np.arange(1e7)
    print('a.dtype={}'.format(a.dtype)) # int32

    # subtraction with a python float
    t0 = time.clock()
    b = a - 5.5
    t1 = time.clock()
    print('b.dtype={}, took {}s'.format(b.dtype, t1 - t0)) # float64

    # a numpy float32
    c = np.array(5.5, dtype=np.float32)
    print('c.dtype={}'.format(c.dtype))  # float32

    # subtraction with the numpy float32
    t0 = time.clock()
    d = a - c
    t1 = time.clock()
    print('d.dtype={}, took {}s'.format(d.dtype, t1 - t0)) # float64! why not float32

    # convert the int32 to float32
    e = a.astype(dtype=np.float32)
    print('e.dtype={}'.format(e.dtype)) # float32

    # subtract two float32 array
    t0 = time.clock()
    e = a.astype(dtype=np.float32)
    f = e - c
    t1 = time.clock()
    print('f.dtype={}, took {}s'.format(f.dtype, t1 - t0)) # float32 (finally)

印刷品

a.dtype=float64
b.dtype=float64, took 0.0229595559008s
c.dtype=float32
d.dtype=float64, took 0.0223958136306s
e.dtype=float32
f.dtype=float32, took 0.0334388477586s

---

以前手动转换为float32似乎比自动转换为float64慢。

作为一个ufunc，

np.subtract

接受未在其主文档页面上列出的内容。其中一个是dtype，所以你可以这样做，比如说：

np.subtract（a，b，dtype='float32'）

，然后得到你想要的结果

---

如果将来有帮助，将告诉您两个数据类型都可以安全地转换到的最小数据类型，并告诉您默认情况下，dtype Numpy的转换规则将让步。

尝试这是我的第一个想法，我想我已经尝试过了。但我似乎没有。还感谢推广类型和结果类型。