我对看到的一些输出感到困惑。
如果 p 是 float 列表,则两者之间有什么区别:
input = np.array([p]).astype('f')
和
input = np.array([p],float)
如果我使用第二个选项,然后执行打印(输入),我总是会得到类似的结果:
[数组([-0.662, 0.246, 1.029])]
但是如果我使用第一个选项,有时我会得到简单的结果: [[ 0.61900002 1.71300006 2.16899991]]
但有时我会得到 [array([])] 形式。
最佳答案
解释如下:
In [217]: np.array([1.1,1.2,1.3]).astype('f')
Out[217]: array([ 1.10000002, 1.20000005, 1.29999995], dtype=float32)
In [218]: np.array([1.1,1.2,1.3]).astype('float')
Out[218]: array([ 1.1, 1.2, 1.3])
In [219]: np.array([1.1,1.2,1.3]).astype(float)
Out[219]: array([ 1.1, 1.2, 1.3])
类型:
In [220]: np.array([1.1,1.2,1.3]).astype(float).dtype
Out[220]: dtype('float64')
In [221]: np.array([1.1,1.2,1.3]).astype('f').dtype
Out[221]: dtype('float32')
因此使用 np.array([p], 'f') 会得到相同的结果
:
In [224]: np.array([1.1,1.2,1.3],'f')
Out[224]: array([ 1.10000002, 1.20000005, 1.29999995], dtype=float32)
关于Python:numpy 数据类型转换,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37126967/