指定和不指定 dtype 的 numpy.array 行为很奇怪

我对此完全感到困惑。

从以下

import numpy as np

a = np.array([4, -9])
a[0] = 0.4
a

I 预期输出： array([ 0.4, -9])。但它给了我

array([ 0, -9]).

但是当我改变了dtype to f

a = np.array([4, -9], 'f')
a[0] = 0.4
a

它给了我预期的输出array([ 0.40000001, -9. ], dtype=float32)

的文档numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0) says:

dtype ：数据类型，可选 数组所需的数据类型。如果未给出，则类型将被确定为保存序列中的对象所需的最小类型。该参数只能用于“向上转换”数组。对于向下转型，请使用 .astype(t) 方法。

当我初始化数组时，它会将值初始化为integers所以当我用 a 索引数组时float它只认识到integer部分0.4因此给了我0。我是这样理解的。它是否正确？。但我仍然对这种行为感到惊讶。

Question: 这到底是怎么回事？

问题是你的数组是dtype=np.int64:

In [141]: a = np.array([4, -9])

In [142]: a.dtype
Out[142]: dtype('int64')

这意味着您只能存储整数，并且在分配完成之前任何浮点数都会被截断。如果你想将浮点数和整数存储在一起，你应该指定dtype=object first:

In [143]: a = np.array([4, -9], dtype=object)

In [144]: a[0] = 0.4

In [145]: a
Out[145]: array([0.4, -9], dtype=object) 

至于问题array([ 0.40000001, -9. ], 0.4，因为浮点数在内存中没有精确的表示（只有近似的表示），这解释了您看到的不精确性。