Python 在numpy阵列上使用就地操作时生成TypeError？

如果我运行以下代码：

import numpy as np

b = np.zeros(1)
c = np.zeros(1)
c = c/2**63

print b, c
b += c

我收到以下错误消息：

TypeError: ufunc 'add' output (typecode 'O') could not be coerced to provided
output parameter (typecode 'd') according to the casting rule ''same_kind''

如果我将

b+=c

更改为

b=b+c

，代码运行正常。为什么会这样？我正在RHEL上运行Python 2.7.2

NumPy版本：2.0.0.dev-a2a9dfb

GCC版本：4.1.2 20080704（Red Hat 4.1.2-52）

---

提前谢谢。

当您执行

c=c/2**63

时，

c

将被强制转换为

dtype=object

（这就是问题所在），而

b

将保持

dtype=float

将

dtype=object

数组添加到

dtype=float

时，结果是一个

dtype=object

数组。可以将其视为

dtype

优先级，就像将numpy浮点添加到numpy int时，会得到一个numpy浮点

如果您尝试将

对象添加到
浮动
中，它将失败，因为无法将结果从
对象
转换为
浮动
。但是，当您使用像
b=b+c
这样的基本加法时，结果
b
会转换为
dtype=object
，您可能已经注意到了这一点

请注意，使用
c=c/2.**63
将
c
保持为浮点数，
b+=c
按预期工作。注意，如果
c
是
np.ones（1）
你也不会有问题

总之：
（np.array（[0]，dtype=float）/2**63））.dtype==np.dtype（object）
很可能是个bug。
请发布你的numpy版本（
print np.version.version
）和你的
gcc--version
（来自shell），因为我们需要bug报告的信息。我在
/
上也有类似的问题。谢谢你的帖子解决了这个问题。我不确定这是个bug。也许——但是
2**63
大于
int64
的最大值，所以我不确定
numpy
除了将其存储在Python对象数组中之外做任何事情都有意义。除了
long
的优先级低于
float
。是的，我甚至不能重现OPs问题。@senderle有趣的是：你使用的是什么版本的numpy？
numpy 1.5.1
。但同样，这种情况也会发生在我身上：
>>（np.array（[1]，dtype=np.float）/np.array（[2**63]）
=>
数组（[1.08420217249e-19]，dtype=object）
。所以我很不确定现在发生了什么。