Python：类型和数据类型之间的混淆

假设我进入：

a = uint8(200)
a*2

然后结果是400，它被重铸为uint16类型

然而：

a = array([200],dtype=uint8)
a*2

结果是

array([144], dtype=uint8)

乘法以256模执行，以确保结果保留在一个字节内

我对“类型”和“数据类型”以及其中一种类型优先于另一种类型感到困惑。正如您所看到的，类型可能会对输出产生显著的影响

---

例如，我是否可以创建一个数据类型uint8，以便对该数字执行256模运算？或者，我可以创建一个uint8类型（不是dtype）的数组，这样对它的操作将产生0-255范围以外的值吗？

一个numpy数组包含相同类型的元素，因此

np。数组（[200]，dtype=uint8）

是一个具有一个

uint8类型值的数组。如果执行
np.uint8（200）
，则没有数组，只有一个值。这将产生巨大的不同

在数组上执行某些操作时，无论单个值是否溢出，类型都保持不变。禁止在阵列中自动向上投射，因为整个阵列的大小必须改变。只有当用户明确希望这样做时，才会这样做。当对单个值执行操作时，它可以很容易地向上转换，而不会影响其他值。
NumPy数组的
类型是
NumPy.ndarray
；这就是Python对象的类型（类似于
type（“hello”）
就是
str
）

dtype
只定义了如何用标量（即单个数字）或数组解释内存中的字节，以及处理字节的方式（例如
int
/
float
）。因此，您不会更改数组或标量的
type
，只更改其
dtype

正如您所观察到的，如果将两个标量相乘，则生成的数据类型是两个值都可以转换到的最小“安全”类型。但是，将数组与标量相乘只会返回相同数据类型的数组。函数
np.inspect\u types
的属性可以清楚地了解特定标量或数组对象的
dtype
何时更改：

NumPy的P>类型推广与C++语言中的规则相似，但也有一些细微的差别。同时使用标量和数组时，数组的类型优先，并考虑标量的实际值

文件继续：

如果只有标量或标量的最大类别高于数组的最大类别，则数据类型将与
promote\u types
组合以生成返回值

因此，对于
np.uint8（200）*2
，两个标量，得到的数据类型将是以下返回的类型：

对于
np.array（[200]，dtype=np.uint8）*2
数组的数据类型优先于标量
int
，并返回
np.uint8
数据类型

要解决关于在操作期间保留标量的
dtype
的最后一个问题，您必须限制您使用的任何其他标量的数据类型，以避免NumPy的自动
dtype
升级：

>>> np.array([200], dtype=np.uint8) * np.uint8(2)
144

当然，另一种选择是简单地将单个值包装在NumPy数组中（这样NumPy就不会在使用不同的
dtype
标量的操作中强制转换它）

要在操作期间提升数组的类型，可以先在数组中包装任何标量：

>>> np.array([200], dtype=np.uint8) * np.array([2])
array([400])

简单而高级的答案是，NumPy在Python的类型系统之上分层了第二个类型系统

当您询问NumPy对象的
类型时，您会得到容器的类型——类似于
NumPy.ndarray
。但是当您请求
dtype
时，您得到的是元素的（numpy-managed）类型


在其他情况下，没有等效的Python类型。例如，当您指定
uint8
时。这样的数据值/类型可以由Python管理，但与C、Rust和其他“系统语言”不同，管理直接与机器数据类型对齐的值（如
uint8
与“无符号字节”计算紧密对齐）不是Python的常见用例

所以最大的问题是NumPy提供了数组和矩阵之类的容器，它们在自己的类型系统下运行。它还提供了一系列非常有用、优化良好的例程来操作这些容器（及其元素）。如果使用care，您可以混合和匹配numpython和普通Python计算

没有Python类型
uint8
。有一个名为
uint8
的构造函数，调用该构造函数时返回NumPy类型：

>>> u = uint8(44)
>>> u
44
>>> u.dtype
dtype('uint8')
>>> type(u)
<type 'numpy.uint8'>


但如果您想计算mod 256的值，那么使用Python的mod运算符可能更容易：

>> (44 + 1000) % 256
20


将大于255的数据值驱动到
uint8
数据类型中，然后执行算术是获得mod-256算术的一种相当隐蔽的方法。如果您不小心，您可能会导致Python将您的值“升级”为全整数（杀死您的mod-256方案），或者触发溢出异常（因为在C和机器语言中工作良好的技巧通常会被更高级的语言标记）。
“
dtype
只定义了内存中的字节如何被标量解释。”→ 它还定义了它们的解释方式（例如，
int32
vs
float32
）。
>>> arr.dtype == float
True
>>> arr.dtype is float
False

>>> u = uint8(44)
>>> u
44
>>> u.dtype
dtype('uint8')
>>> type(u)
<type 'numpy.uint8'>

>>> uint8(44 + 1000)
20
>>> uint8(44) + uint8(1000)
20

>> (44 + 1000) % 256
20