Python 3 numpy对矩阵使用整数除法，对向量使用正则除法？

运行以下代码时：

从平台导入python\u版本
打印（python_version（））
将numpy作为np导入
x=np.数组（[[1,2,3]，[4,5,6]，[7,8,9]）
x[1，：]=x[1，：]/5
打印（x）
y=np.数组（[1,2,3]）
y=y/5
打印（y）

我得到以下输出：

3.8.6
[[1 2 3]
 [0 1 1]
 [7 8 9]]
[0.2 0.4 0.6]

---

为什么numpy/python在将矩阵中的行除以标量时使用整数除法，而使用正则除法将单行除法？我以为numpy 3中的“/”除法总是规则的？

这里的诀窍是：

x[1，：]=x[1，：]/5

根据

dtype

的numpy文档：

numpy数组是同构的，包含由dtype对象描述的元素

因此，当手动分配行时，它会考虑x矩阵的

dtype

，它的类型是

dtype（'int64'）

如果尝试手动将元素分配给

y

数组，也会发生同样的情况：

y=np.array（[1,2,3]）
y[1]=0.5
打印（y）
#这将打印数组（[1,0,3]）

为什么numpy/python在将矩阵中的行除以标量时使用整数除法，而使用正则除法将单行除法

因此，它是关于强制执行

np.array

本身的同质

dtype

，而不是

在矩阵中划分一行，如下所示：

x[1]/5
>>>数组（[0.8,1,1.2]）

为什么numpy/python在将矩阵中的行除以标量时使用整数除法

事实并非如此-您看到的症状是由于作业造成的

>>> x = np.array([[1,2,3],[4,5,6],[7,8,9]])

除以整数生成一个浮点数组

>>> z = x[1,:] / 5
>>> z
array([0.8, 1. , 1.2])

但将该数组分配给整数数组的一个片段会导致数据类型转换

>>> x[1,:] = z
>>> x
array([[1, 2, 3],
       [0, 1, 1],
       [7, 8, 9]])
>>> z.dtype
dtype('float64')
>>> x.dtype
dtype('int32')
>>>


文件中提到了这一点-

请注意，如果将较高的类型分配给较低的类型（如浮点型分配给整数），甚至是异常（将复数型分配给浮点型或整数），则分配可能会导致更改：

“为什么numpy/python在对矩阵中的行进行除法时使用整数除法”-提示：不使用。请使用
x=np.array（[[1,2,3]，[4,5,6]，[7,8,9]，[dtype=float]）试试。
。相关：@第二次世界大战，嗯，我想说，这相当混淆了原因。有人可能会认为结果是浮点，因为它将浮点除以int.Numpy文档：