numpy.ufunc.resolve_dtypes#

方法

ufunc.resolve_dtypes(dtypes, *, signature=None, casting=None, reduction=False)#

查找 NumPy 将用于操作的数据类型（dtypes）。返回输入和输出 dtypes，它们可能与提供的值不同。

注意

此函数始终应用 NEP 50 规则，因为它未提供任何实际值。因此，Python 类型 int、float 和 complex 表现为弱类型，应将其传递给“无类型”的 Python 输入。

参数:
dtypes数据类型元组，None，或字面量 int, float, complex

每个操作数的输入数据类型。输出操作数可以是 None，表示必须找到其数据类型。

signatureDType 元组或 None，可选

如果提供，强制指定操作数的精确 DType（类）。ufunc 的 dtype 参数等同于传递一个仅设置了输出 dtypes 的元组。

casting{'no', 'equiv', 'safe', 'same_kind', 'unsafe'} 之一，可选

当需要进行类型转换时的转换模式。这与 ufunc 调用时的转换模式相同。

reduction布尔值

如果提供，则假定正在进行归约操作，这会稍微改变类型提升和类型解析规则。dtypes 对于归约操作通常是 (None, np.dtype("i2"), None)（第一个输入也是输出）。

注意

默认的类型转换模式是“same_kind”，然而，从 NumPy 1.24 开始，NumPy 对归约操作使用“unsafe”。

返回:
dtypes数据类型元组

NumPy 将用于计算的数据类型。请注意，这些数据类型可能与传入的数据类型不匹配（需要进行类型转换）。

示例

此 API 需要传递 dtypes，为方便起见在此定义它们

>>> import numpy as np
>>> int32 = np.dtype("int32")
>>> float32 = np.dtype("float32")

典型的 ufunc 调用不传递输出 dtype。numpy.add 有两个输入和一个输出，因此将输出留为 None（未提供）

>>> np.add.resolve_dtypes((int32, float32, None))
(dtype('float64'), dtype('float64'), dtype('float64'))

找到的循环对所有操作数（包括输出）都使用“float64”，第一个输入将被转换。

resolve_dtypes 通过传递 int、float 或 complex 来支持对 Python 标量的“弱”处理

>>> np.add.resolve_dtypes((float32, float, None))
(dtype('float32'), dtype('float32'), dtype('float32'))

其中 Python float 在 ufunc 调用中的行为类似于 Python 值 0.0。（详见 NEP 50。）

本页内容