numpy.exceptions.DTypePromotionError#

exception exceptions.DTypePromotionError[源代码]#

多个 DTypes 无法转换为一个公共的 DType。

此异常派生自 TypeError，每当 dtypes 无法转换为一个单一的公共 dtypes 时就会引发。这可能是因为它们属于不同的类别/类，或者属于同一个类的兼容性不强的实例（参见示例）。

备注

许多函数将使用类型提升来查找正确的结果和实现。对于这些函数，错误通常会与更具体的错误链式连接，表明对于输入的 dtypes 未找到实现。

通常，当 arr1 == arr2 可以安全地返回所有 False 时，两个数组的 dtypes 之间的类型提升应被视为“无效”，因为 dtypes 根本不同。

示例

Datetimes 和复数是不同的类，无法进行类型提升。

>>> import numpy as np
>>> np.result_type(np.dtype("M8[s]"), np.complex128)  
Traceback (most recent call last):
 ...
DTypePromotionError: The DType <class 'numpy.dtype[datetime64]'> could not
be promoted by <class 'numpy.dtype[complex128]'>. This means that no common
DType exists for the given inputs. For example they cannot be stored in a
single array unless the dtype is `object`. The full list of DTypes is:
(<class 'numpy.dtype[datetime64]'>, <class 'numpy.dtype[complex128]'>)

例如，对于结构化 dtypes，结构可能不匹配，并且当给出两个结构字段数量不匹配的结构化 dtypes 时，会引发相同的 DTypePromotionError。

>>> dtype1 = np.dtype([("field1", np.float64), ("field2", np.int64)])
>>> dtype2 = np.dtype([("field1", np.float64)])
>>> np.promote_types(dtype1, dtype2)  
Traceback (most recent call last):
 ...
DTypePromotionError: field names `('field1', 'field2')` and `('field1',)`
mismatch.