Python 为什么速记作业和NaN有不同的行为？

我在Python2.7.3中看到了这一点，其中包含pylab和numpy。为什么会这样：

>>> x = pylab.arange(5)
>>> x = x + pylab.nan
>>> print x
[ nan  nan  nan  nan  nan]

与此不同：

>>> x = pylab.arange(5)
>>> x += pylab.nan
__main__:1: RuntimeWarning: invalid value encountered in add
>>> print x
[-9223372036854775808 -9223372036854775808 -9223372036854775808
 -9223372036854775808 -9223372036854775808]

这是因为

arange（5）

返回一个整数数组，但是

nan

是一个浮点值。当您使用常规赋值时，这是可以的，因为

x+nan

透明地将

x

转换为float进行加法并返回一个float结果。但是使用

+=

，它试图将这个浮点结果放回原始的

x

，这是一个int数组。这会失败，因为int数组不能接受浮点数据

---

将

+=

与numpy数组一起使用将更新数组，如果计算结果的数据类型与原始数据类型不同，则此操作将不起作用。

删除了matplotlib标记，因为

pylab.arange

和

plab.nan

确实来自

numpy

。