Python 什么是size=（）的numpy数组？为什么它乘以1会返回一个numpy int，这两者有什么不同？ 问题

我有一个非常简单的函数，它使用

numpy.where（）

进行非常简单的计算

如果输入是标量，则输出是大小为（）的numpy数组

如果我把它乘以1，它就会变成一个相同大小的numpy int32

我的问题是： 1和2的区别是什么

• 它们都是标量吗？像numpy标量这样的东西真的存在吗
• 为什么乘以1会改变类型？这是一个已知的、有文档记录的功能/错误吗
• 为什么其他numpy函数，例如

  np.arange（5,6）

  返回一个大小为

  （1，）

  的数组

我怀疑我是第一个遇到这个问题的人，但我在网上没有找到太多

我发现了形状数组（n，）和形状数组（n，1）之间的区别，但这是另一回事

玩具示例： Spyder截图

---

是的，有一个

numpy

标量

numpy数组可以具有0、1、2或更多维度。两者之间有很多重叠

np.int64(3)          # numpy int
np.array(3)          # 0d array
np.array([3])        # 1d array with 1 element
np.int(3)            # python int
3                    # python int

前3个具有数组属性，如

shape

和

dtype

。前两者之间的差别很小

在像

where

这样的函数中，

numpy

首先将参数转换为数组，例如

np.array（5）

，

np.array（1）

但类似数学的加上标量可能会返回numpy标量：

In [164]: np.array(5) + 1
Out[164]: 6
In [165]: type(_)
Out[165]: numpy.int64
In [166]: np.array(5) * 1
Out[166]: 5
In [167]: type(_)
Out[167]: numpy.int64

对数组进行索引也可以产生这样的标量：

In [182]: np.arange(3)[1]
Out[182]: 1
In [183]: type(_)
Out[183]: numpy.int64

其中

“广播”参数，因此结果形状在广播意义上是“最大的”：

如果

spyder

具有类似

ipython

的制表符完成功能，则可以获得附加到对象的所有方法的列表。

np.int64（3）

的方法与

np.array（3）

的方法非常相似。但与

3

大不相同

如果其中一个维度为0，则也有包含0个元素的数组

Out[184]: array([], dtype=int64)
In [185]: _.shape
Out[185]: (0,)
In [186]: np.arange(1)
Out[186]: array([0])
In [187]: _.shape
Out[187]: (1,)

显然，0d不能有0个元素，因为它没有任何0维

为0d数组（或numpy标量）编制索引是一个小技巧（但仍然符合逻辑）：

加法的返回可以用“array\u priority”来解释

dtype

在这样的操作中不保留。将浮点值添加到int，并获取浮点值

In [203]: type(np.array(3, np.int16) + 3)
Out[203]: numpy.int64
In [204]: type(np.array(3, np.int16) + 3.0)
Out[204]: numpy.float64

ufunc

casting

+

实际上是对

np.add

ufunc的调用

ufunc

采用一些关键词，如

casting

，可以更好地控制结果：

In [214]: np.add(np.array(3, np.int16), 3)
Out[214]: 6
In [215]: np.add(np.array(3, np.int16), 3, casting='no')
Traceback (most recent call last):
  File "<ipython-input-215-631cb3a3b303>", line 1, in <module>
    np.add(np.array(3, np.int16), 3, casting='no')
UFuncTypeError: Cannot cast ufunc 'add' input 0 from dtype('int16') to dtype('int64') with casting rule 'no'
    
In [217]: np.add(np.array(3, np.int16), 3, casting='safe')
Out[217]: 6

我不知道它是在哪里记录的，但是一个操作通常会返回一个

numpy标量

，而不是一个0d数组

我刚刚想起/发现了0d和numpy标量之间的一个区别——易变性

In [222]: x
Out[222]: array(3)
In [223]: x[...] = 4
In [224]: x
Out[224]: array(4)
In [225]: x = np.int64(3)
In [226]: x[...] = 4
Traceback (most recent call last):
  File "<ipython-input-226-f7dca2cc5565>", line 1, in <module>
    x[...] = 4
TypeError: 'numpy.int64' object does not support item assignment

[222]中的

：x
Out[222]：数组（3）
在[223]中：x[…]=4
In[224]：x
Out[224]：数组（4）
In[225]：x=np.int64（3）
在[226]中：x[…]=4
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
x[…]=4
TypeError:“numpy.int64”对象不支持项分配

---

Python类可以共享许多行为/方法，但在其他方面有所不同。

非常有洞察力，谢谢。但是，我仍然不清楚为什么将它乘以1会返回标量，从而有效地改变数据类型。也不知道为什么其他numpy函数返回大小为（1，）大小为1或

shape

（1，）的数组

np.int64（3）

，

np.array（3）

，np.array（[3]）`都有大小1。你说得对，我指的是形状

In [189]: np.array(3)[()]      # 0 element indexing tuple
Out[189]: 3
In [190]: type(_)
Out[190]: numpy.int64
In [191]: np.array(3).item()
Out[191]: 3
In [192]: type(_)
Out[192]: int
In [193]: np.array(3)[()][()]
Out[193]: 3

In [203]: type(np.array(3, np.int16) + 3)
Out[203]: numpy.int64
In [204]: type(np.array(3, np.int16) + 3.0)
Out[204]: numpy.float64

In [214]: np.add(np.array(3, np.int16), 3)
Out[214]: 6
In [215]: np.add(np.array(3, np.int16), 3, casting='no')
Traceback (most recent call last):
  File "<ipython-input-215-631cb3a3b303>", line 1, in <module>
    np.add(np.array(3, np.int16), 3, casting='no')
UFuncTypeError: Cannot cast ufunc 'add' input 0 from dtype('int16') to dtype('int64') with casting rule 'no'
    
In [217]: np.add(np.array(3, np.int16), 3, casting='safe')
Out[217]: 6

In [194]: np.array(3).__array_priority__
Out[194]: 0.0
In [195]: np.int64(3).__array_priority__
Out[195]: -1000000.0
In [196]: np.array(3) + np.int64(3)
Out[196]: 6
In [197]: type(_)
Out[197]: numpy.int64

In [222]: x
Out[222]: array(3)
In [223]: x[...] = 4
In [224]: x
Out[224]: array(4)
In [225]: x = np.int64(3)
In [226]: x[...] = 4
Traceback (most recent call last):
  File "<ipython-input-226-f7dca2cc5565>", line 1, in <module>
    x[...] = 4
TypeError: 'numpy.int64' object does not support item assignment