在 python 中操作一些 numpy 数组时，我注意到 x=x+a 和 x+=a 之间的操作存在一些差异。
我想做的是简单地向整数列表添加一些随机错误，如下所示:
x=numpy.arange(12)
a=numpy.random.random(size=12)
x+=a
但是打印出 x 给出一个整数列表 [0,1,2,3,4,5,6,7,8,9,10,11] .
事实证明，如果我改用 x=x+a，它会按预期工作。
这是我们应该注意的事情吗，我的意思是它的行为如此不同。我曾经认为 x+=a 和 x=x+a 是完全等价的，我一直在交替使用它们而没有一直注意。现在，我对到目前为止所做的所有计算感到非常担心和焦虑。谁知道这在何时何地造成了问题，我必须仔细检查所有内容。
这是 numpy 中的错误吗？我在 numpy 版本 1.2.0 和 1.6.1 中进行了测试，他们都这样做了。
最佳答案
不，这不是错误，这是预期的行为。 += 进行就地加法，因此它不能更改数组 x 的数据类型。当 dtype 是整数时，这意味着添加 a 的元素所产生的浮点临时值将被截断为整数。由于 np.random.random 返回 [0, 1) 范围内的 float ，结果总是被截断为 x 中的值。
相比之下，x + a 无论如何都需要分配一个新数组，并且当一个参数是 float 而另一个是整数时，将新数组的 dtype 向上转换为 float。
避免此问题的最佳方法是在 arange 调用中明确说明所需的数据类型:
x = np.arange(12, dtype=float)
x += np.random.random(size=12)
(请注意，x += a 和 x = x + a 在 Python 中很少等价，因为后者通常会修改 x 指向的对象. 例如，使用纯 Python 列表:
a = []
b = a
a += [1]
也修改 b，而 a = a + [1] 将保持 b 不变。)
关于python - numpy 数据类型转换在 x=x+a 和 x+=a 中的行为不同，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/23407736/