Porównanie typu danych NumPy

Question

Grałem z porównywaniem typów danych dwóch różnych tablic, aby wybrać taki, który jest odpowiedni do połączenia tych dwóch. Byłem szczęśliwy, aby dowiedzieć się, że mogę wykonywać operacje porównania, ale w procesie odkryto następujące dziwne zachowanie:

In [1]: numpy.int16 > numpy.float32 
Out[1]: True 

In [2]: numpy.dtype('int16') > numpy.dtype('float32') 
Out[2]: False 

może ktoś wyjaśnić, co tu się dzieje? To jest NumPy 1.8.2.

Answer 1

Pierwsze porównanie nie ma znaczenia, drugie ma znaczenie:.

Z numpy.int16 > numpy.float32 porównujemy dwie type obiekty:

>>> type(numpy.int16) 
type 
>>> numpy.int16 > numpy.float32 # I'm using Python 3 
TypeError: unorderable types: type() > type() 

w Pythonie 3 porównanie to nie od razu, ponieważ nie ma zdefiniowane zamawianie type przypadkach. W Pythonie 2 zwracana jest wartość logiczna, ale nie można na niej polegać dla spójności (wraca ona do porównywania adresów pamięci lub innych rzeczy na poziomie implementacji).

Drugie porównanie wykonuje działa w Pythonie 3 i działa konsekwentnie (to samo w Pythonie 2). To dlatego, że jesteśmy teraz porównując dtype instancje:

>>> 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 

Jaka jest logika tej kolejności?

dtype instancje są uporządkowane zgodnie z tym, czy można rzucać (bezpiecznie) do innego. Jeden typ to mniejszy niż inny, jeśli może być bezpiecznie odlewać do tego typu.

Aby wprowadzić operatorów porównania, spójrz na descriptor.c; konkretnie przy funkcji arraydescr_richcompare.

Oto co < mapy operatorowi:

switch (cmp_op) { 
case Py_LT: 
     if (!PyArray_EquivTypes(self, new) && PyArray_CanCastTo(self, new)) { 
      result = Py_True; 
     } 
     else { 
      result = Py_False; 
     } 
     break; 

Zasadniczo NumPy tylko sprawdza, że ​​oba typy są (i) nie są równoważne, oraz (ii) że pierwszy typ może być oddane do drugiego typu .

Ta funkcjonalność jest również wystawiony w API NumPy jak np.can_cast:

Answer 2

To nic ciekawego. Python 2 próbuje zapewnić spójne, ale bez znaczenia wyniki porównania dla obiektów, które nie definiują sposobu porównywania się ze sobą. Deweloperzy uznali, że to był błąd, a w Pythonie 3 porównania te podniosą TypeError.