Python 带和不带指定dtype的numpy.array行为奇怪

我对此完全感到困惑

从下面

import numpy as np

a = np.array([4, -9])
a[0] = 0.4
a

I预期输出：

数组（[0.4，-9]）

。但它给了我

数组（[0，-9]）

但是当我将

dtype

更改为

f

a = np.array([4, -9], 'f')
a[0] = 0.4
a

它给出了

数组（[0.40000001，-9.]，dtype=float32）的预期输出

numpy.array（object，dtype=None，copy=True，order='K'，subok=False，ndmin=0）的文档说明：

数据类型：数据类型，可选
阵列所需的数据类型。如果未给出，则类型将被确定为在序列中保存对象所需的最小类型。此参数只能用于“向上投射”数组。对于向下广播，请使用.astype（t）方法

当我初始化数组时，它将值初始化为
整数
，因此当我使用
浮点
对数组进行索引时，它只识别
整数
的
部分
0.4
，因此给了我
0
。这就是我的理解。这是正确的吗？。但我仍然对这种行为感到惊讶

问题：这里到底发生了什么？
问题是您的数组是
dtype=np.int64
：

In [141]: a = np.array([4, -9])

In [142]: a.dtype
Out[142]: dtype('int64')

这意味着您只能存储整数，任何浮点在赋值完成之前都会被截断。如果要同时存储浮点和整数，应首先指定
dtype=object
：

In [143]: a = np.array([4, -9], dtype=object)

In [144]: a[0] = 0.4

In [145]: a
Out[145]: array([0.4, -9], dtype=object) 

至于
数组（[0.40000001，-9.]
，
0.4
）的问题，因为浮点数在内存中没有精确的表示形式（只有近似值），这就解释了你所看到的不精确性。
非常好。这就解决了问题。显然，我还有很多东西要学。我不喜欢使用
dtype=object
来保存浮点数和整数的想法。如果需要的话，混合字符串和数字可以，或者保存列表之类的东西更好。但是对于纯数字数据，最好使用使用数字数据类型。@hpaulj接受。使用非数字类型，您将失去所有矢量化的好处。什么是数字
dtype
，可以完成这项工作？
float
？
d？
？@JackDawkins我认为最重要的问题是您希望将整数和float存储在一起。如果您想这样做，这就是how、 但我们给你的建议是：不要这样做。