Python Numpy阵列的真除法问题

假设您有以下数组：

In [29]: a = array([[10, 20, 30, 40, 50], [14, 28, 42, 56, 70], [18, 36, 54, 72, 90]])

Out[30]: a
array([[ 0,  0,  0,  0,  0],
       [14, 28, 42, 56, 70],
       [18, 36, 54, 72, 90]])

现在将第三行除以第一行（使用fromfutureimport division）

现在对循环中的每一行执行相同的操作：

In [33]: for i in range(3):
            print a[i]/a[2]   
[ 0.55555556  0.55555556  0.55555556  0.55555556  0.55555556]
[ 0.77777778  0.77777778  0.77777778  0.77777778  0.77777778]
[ 1.  1.  1.  1.  1.]

一切看起来都很好。但是现在，将第一个数组a[i]/a[2]分配给a[i]：

In [35]: for i in range(3):
            a[i]/=a[2]
   ....:     

In [36]: a
Out[36]: 
array([[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1]])

好的，没问题。结果是。相反，我们应该：

In [38]: for i in range(3):
            a[i] = a[i]/a[2]
   ....:     

In [39]: a
Out[39]: 
array([[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1]])

但这不起作用。为什么以及如何修复它

---

提前感谢。

您可以先将整个数组强制转换为

浮点数组：

a = a.astype('float')
a /= a[2]

“为什么不起作用”--它不起作用的原因是numpy数组在创建时有一个数据类型。任何将不同类型放入该数组的尝试都将转换为相应的类型。换句话说，当您尝试将浮点值放入整数数组时，numpy会将浮点值强制转换为int。这背后的原因是，numpy数组被设计为同伦类型，以便具有最佳性能。换句话说，它们在C中实现为数组。在C中，不能有一个数组，其中1个元素是
float
，下一个元素是
int
。（您可以使用类似的
struct
s，但它们不是数组）

另一种解决方案（除了@nneonneo提出的方案外）是从一开始就将数组指定为浮点数组：

a = array([[10, 20, 30, 40, 50], [14, 28, 42, 56, 70], [18, 36, 54, 72, 90]], dtype=float)

问题不在于分工，而在于分配，即
a[i]=…
（在执行
a/=…
时也会在幕后使用）。试试这个：

>>> a = np.zeros(3, dtype='uint8')
>>> a[:] = [2, -3, 5.9]
>>> print a
[  2 253   5]

当您执行
intarray[i]=floatarray[i]
numpy操作时，必须截断浮点值以使其适合
intarray
谢谢。是的，我考虑过这一点，但我想知道一个涉及除法的解决方案，因为它应该作为a[I]=a[I]/a[2]工作。如果不明显，这将创建一个新数组。据我所知，没有办法在适当的位置修改旧数组并更改类型。一般来说，这是不可能的，因为新旧类型可能有不同的大小，或者旧数组可能是不应该修改的其他数组的视图。@nneonneo--true--sort。从pythonapi的角度来看，这并不重要
ndarray
是c数组（数据）的包装器。原则上，您可以将ndarray的指针移动到一个新的数据块，从python的角度来看，您可以“就地”执行操作。e、 g.
a=数组（…）；b=a；a、 魔术型转换（浮点）；b、 dtype是a.dtype#true
。但是，我不知道这个行动是否存在。如果
视图
包含对数据的相同引用（我认为是的），这也会起作用。@mgilson实际上，我没有考虑到这一点。然而，numpy数组仍然是可变的c=array（[1]）；id（c）返回32610992。然后c[0]=2将数组更改为array（[2]），id（c）仍然返回32610992，所以我认为它可以按row.Right执行相同的操作。是的，您完全正确，因为.dtype返回dtype（'int64'），那么一旦创建了一个数组，除非显式更改，否则它将保留其数据类型。是这样吗？@RobertSmith——不管发生什么，它都保持它的数据类型。不能显式更改数据类型。执行
a.astype（float）
实际上创建了一个类型为
float
的新数据数组。
>>> a = np.zeros(3, dtype='uint8')
>>> a[:] = [2, -3, 5.9]
>>> print a
[  2 253   5]