python - 如何在NumPy中为算术运算指定结果数据类型？

似乎从int数组中减去float32的值默认会导致float64数组。有没有办法避免这种情况，而是将float32用作结果的数据类型？

numpy.subtract不允许指定dtype参数。

对我而言，实现此目标的唯一方法是在将int数组转换为float32之前，有效地减去两个float32数组，这似乎也很慢。这是应该的样子吗？

示例代码：

import time
import numpy as np

if __name__ == '__main__':

    # some int32 array
    a = np.arange(1e7)
    print('a.dtype={}'.format(a.dtype)) # int32

    # subtraction with a python float
    t0 = time.clock()
    b = a - 5.5
    t1 = time.clock()
    print('b.dtype={}, took {}s'.format(b.dtype, t1 - t0)) # float64

    # a numpy float32
    c = np.array(5.5, dtype=np.float32)
    print('c.dtype={}'.format(c.dtype))  # float32

    # subtraction with the numpy float32
    t0 = time.clock()
    d = a - c
    t1 = time.clock()
    print('d.dtype={}, took {}s'.format(d.dtype, t1 - t0)) # float64! why not float32

    # convert the int32 to float32
    e = a.astype(dtype=np.float32)
    print('e.dtype={}'.format(e.dtype)) # float32

    # subtract two float32 array
    t0 = time.clock()
    e = a.astype(dtype=np.float32)
    f = e - c
    t1 = time.clock()
    print('f.dtype={}, took {}s'.format(f.dtype, t1 - t0)) # float32 (finally)

版画

a.dtype=float64
b.dtype=float64, took 0.0229595559008s
c.dtype=float32
d.dtype=float64, took 0.0223958136306s
e.dtype=float32
f.dtype=float32, took 0.0334388477586s

之前手动转换为float32似乎比自动转换为float64慢。

最佳答案

作为ufunc，np.subtract接受在其主文档页面上未列出的several keyword arguments。 dtype是其中之一，因此您可以说：np.subtract(a, b, dtype='float32')并获得所需的结果。

如果将来有帮助，np.promote_types会告诉您可以安全地将两个dtype都强制转换为的最小dtype，而np.result_type会告诉您dtype Numpy的转换规则默认会产生。

关于python - 如何在NumPy中为算术运算指定结果数据类型？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41677264/