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 dtype。输入和输出的 dtype 都会被返回，并且可能与提供的不同。

注意

此函数始终应用 NEP 50 规则，因为它不提供任何实际值。Python 类型 int、float 和 complex 因此表现得较弱，应为“未类型化”的 Python 输入传递。

参数:
dtypesdtype、None 或字面量 int、float、complex 的元组

每个操作数的输入 dtype。输出操作数可以为 None，表示必须找到 dtype。

signatureDTypes 或 None 的元组，可选

如果给出，则强制使用特定操作数的精确 DType（类）。ufunc 的 dtype 参数等同于仅设置输出 dtype 的元组。

casting{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’}, optional

在需要转换类型时使用的转换模式。这与 ufunc 调用转换模式相同。

reduction布尔值

如果给出，则解析假定正在进行归约操作，这会略微改变提升和类型解析规则。dtypes 对于归约通常是类似 (None, np.dtype("i2"), None) 的形式（第一个输入也是输出）。

注意

默认的转换模式是“same_kind”，但是，从 NumPy 1.24 开始，NumPy 为归约使用“unsafe”。

返回:
dtypesdtype 的元组

NumPy 将用于计算的 dtype。请注意，dtype 可能与传入的 dtype 不匹配（需要类型转换）。

示例

此 API 需要传递 dtype，为了方便起见定义它们

>>> 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，因此将输出保留为 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 Python 标量的“弱”处理

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

其中 Python float 的行为类似于 ufunc 调用中的 Python 值 0.0。（有关详细信息，请参阅 NEP 50。）

在此页面