我正在比较两个不同数组的数据类型，以选择一种适合将两者结合的数据。我很高兴发现自己可以执行比较操作，但是在此过程中发现了以下奇怪的行为：
In [1]: numpy.int16 > numpy.float32
Out[1]: True
In [2]: numpy.dtype('int16') > numpy.dtype('float32')
Out[2]: False
谁能解释这是怎么回事？这是NumPy 1.8.2。
第一个比较是没有意义的，第二个是有意义的。
随着numpy.int16 > numpy.float32我们比较两个type对象：
>>> type(numpy.int16)
type
>>> numpy.int16 > numpy.float32 # I'm using Python 3
TypeError: unorderable types: type() > type()
在Python 3中，由于没有type实例的定义顺序，因此该比较立即失败。在Python 2中，返回了一个布尔值，但不能依靠它来保持一致性（它返回比较内存地址或其他实现级别的东西）。
第二个比较在Python 3中确实有效，并且一致地工作（在Python 2中相同）。这是因为我们现在正在比较dtype实例：
>>> type(numpy.dtype('int16'))
numpy.dtype
>>> numpy.dtype('int16') > numpy.dtype('float32')
False
>>> numpy.dtype('int32') < numpy.dtype('|S10')
False
>>> numpy.dtype('int32') < numpy.dtype('|S11')
True
此命令背后的逻辑是什么？
dtype根据是否可以（安全地）将实例强制转换为另一实例来对实例进行排序。如果可以安全地强制转换为该类型，则该类型将小于另一类型。
对于比较运算符的实现，请查看descriptor.c；特别是在arraydescr_richcompare功能上。
这是<操作员映射到的内容：
switch (cmp_op) {
case Py_LT:
if (!PyArray_EquivTypes(self, new) && PyArray_CanCastTo(self, new)) {
result = Py_True;
}
else {
result = Py_False;
}
break;
本质上，NumPy仅检查两种类型（i）不相等，以及（ii）第一种类型可以转换为第二种类型。
此功能在NumPy API中也显示为np.can_cast：
>>> np.can_cast('int32', '|S10')
False
>>> np.can_cast('int32', '|S11')
True
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句