Python 为np.array(1)指定默认数据类型
有没有一种方法可以指定与诸如Python 为np.array(1)指定默认数据类型,python,numpy,Python,Numpy,有没有一种方法可以指定与诸如np.array(1.)之类的构造一起使用的默认数据类型 特别是我希望np.array(1.)成为np.float32和np.array(1)成为np.int32。相反,我得到的是np.float64和np.int64默认值取决于您的系统。在64位系统上,默认类型为64位。在32位系统上,默认类型为32位。除了用不同的SystemC头重新编译numpy之外,没有办法更改默认值 当然,您可以显式地指定数据类型,例如 >>> x = np.array(1
np.array(1.)之类的构造一起使用的默认数据类型
特别是我希望np.array(1.)
成为np.float32
和np.array(1)
成为np.int32
。相反,我得到的是np.float64
和np.int64
默认值取决于您的系统。在64位系统上,默认类型为64位。在32位系统上,默认类型为32位。除了用不同的SystemC头重新编译numpy之外,没有办法更改默认值
当然,您可以显式地指定数据类型,例如
>>> x = np.array(1, dtype='int32')
编辑:正如kazemakase在下面提到的,上述内容仅适用于int32/int64。在最新的numpy版本中,无论系统如何,浮点的默认值都是float64。您可以使用np.float32
或np.int32
作为np.ndarray
构造函数:
>>> np.float32([1.])
array([ 1.], dtype=float32)
>>> np.int32([1])
array([1], dtype=int32)
但如果给定标量输入(不是秩0数组),则返回numpy标量:
重新定义默认数据类型似乎不是那么容易,另请参见:
如果您不关心额外的开销,您可以始终使用字典作为“开关”,为您发现不合适的数据类型获取正确的数据类型:
defaults = {np.dtype('int64'): np.int32,
np.dtype('float64'): np.float32}
before = 1.
np.array(before, dtype=defaults.get(np.result_type(before), None))
但是,对于字符(字符串)或对象等复杂类型,这将失败。OK,看起来numpy还没有为GPU时代做好准备。现在的系统是64位的,但GPU的计算主要是在32位上完成的,所以我们最终会让人们通过将默认的numpy类型传播到GPU来做次优的事情
defaults = {np.dtype('int64'): np.int32,
np.dtype('float64'): np.float32}
before = 1.
np.array(before, dtype=defaults.get(np.result_type(before), None))