我也应该使用numpy.float64而不是Python float当使用numpy.array

我到目前为止还没有遇到任何问题，所以这是纯粹出于好奇的问题。我也应该使用numpy.float64而不是Python float当使用numpy.array

在Python我通常限定的浮纱和浮阵列是这样的：

import numpy as np 

s = 1.0 
v = np.array([1.0, 2.0, 3.0])

在上述s的情况下是float，但v元素是numpy.float64类型。

更一致的，我可以，例如，而是执行此操作：

import numpy as np 

s = np.float64(1.0) 
v = np.array([1.0, 2.0, 3.0])

是否存在的情况下，从一个角度准确度/精确的点，其中建议使用“一致”的做法？我认为在“不一致”的方法中会出现什么样的错误？

来源

2017-08-08 mtgoncalves

如果我想要一个特殊的dtype标量，我会使用's = np.array（1.0，dtype = ...）'。 – hpaulj

的Python（至少CPython）使用双打为它的float型内部 - 和双打64位浮点数（也许不是永远，但我还没有找到一个平台+编译器在哪里双打不是64位浮点数）。

因此，不管您将它们保留为float或np.float64，您都不应该期待任何问题。

但是如果使用蟒float和NumPys np.float32你可以期望的差异作为float具有比np.float32（32位）多精度（64位）。

来源

2017-08-08 13:17:26 MSeifert

C双打有8个字节的假设仍然硬连线到CPython源代码中的不同位置，所以如果CPython曾经遇到过一个双倍不是64位的平台，它可能会非常糟糕。（是的，我假设字节有8位，但如果CPython曾经遇到过一个字节没有8位的平台，它会更坏）。所以IOW，你认为双倍是64位浮点的假设是一个相当安全的。 :-) –

下面是一个这样的地方的例子，其中假设8字节双打，在编组模块中：https://github.com/python/cpython/blob/v3.6.2/Python/marshal.c#L362- L369 –

@MarkDickinson这很好。我只做了一个肤浅的搜索，当我发现作者希望[确保C++双打是64位]的问题时，我认为它们可能存在差异（https://stackoverflow.com/questions/752309/ensuring- C-双打-是-64位）。 – MSeifert

我也应该使用numpy.float64而不是Python float当使用numpy.array

回答

相关问题