我总是使用from __future__ import division 来避免整数除法问题。我刚刚遇到了一个显然仍然存在的案例：
np.array([10])**(-1)
返回array([0])，与1/np.array([10])相反，后者按预期返回array([ 0.1])。
我知道这可以解决，例如通过使用np.array([10])**(-1.) 或使用astype('float') 将数组转换为浮点数。我只是想知道它为什么会这样，因为它对我来说似乎有点不一致，例如10**(-1) 给出 0.1。
【问题讨论】：
标签： python arrays numpy exponentiation
作为上述答案的脚注，您可以通过检查相应通用函数的types 属性来检查 NumPy 将为特定输入数组类型返回什么。
对于 NumPy 数组，幂运算符 ** 对应于 np.power：
>>> np.power.types
['bb->b', 'BB->B', 'hh->h', 'HH->H', 'ii->i', 'II->I', 'll->l', 'LL->L', 'qq->q',
'QQ->Q', 'ee->e', 'ff->f', 'dd->d', 'gg->g', 'FF->F', 'DD->D', 'GG->G', 'OO->O']
Python 兼容的整数类型用l 表示，Python 兼容的浮点数用d (see here) 表示。
可以看到，对于两种整数类型，** 将返回另一个整数：'ll->l'
对于 NumPy 数组，除法运算符 / 对应于 np.divide：
>>> np.divide.types
['bb->d', 'BB->d', 'hh->d', 'HH->d', 'ii->d', 'II->d', 'll->d', 'LL->d', 'qq->d',
'QQ->d', 'ee->e', 'ff->f', 'dd->d', 'gg->g', 'FF->F', 'DD->D', 'GG->G', 'mq->m',
'md->m', 'mm->d', 'OO->O']
这里，给定两个整数类型（以及大多数其他输入），将返回一个浮点数：'ll->d'
【讨论】：
numpy.array() 使用运算符重载来实现功能。例如，** 由 object.__pow__() special method 处理。
/ 运算符通常由object.__div__ 处理（以及用于右侧值的__rdiv__ 方法），from __future__ import division 'switch' 导致 Python 使用object.__truediv__ 方法代替。
但是，** 运算符不受开关的影响； Python 将继续调用object.__pow__，而numpy 不会知道您使用了__future__ 导入。
因此，当你给它整数操作数时，它会继续返回整数结果；即使那样它也不会强制到float。
请注意，Python 也提供了 地板除法 运算符，形式为 // operator 和 __floordiv__ hook。没有这样的求幂等价物，所以numpy 没有其他选项可以区分使用float 和int 操作数。
【讨论】：
** power operator documentation；在 Python 中使用整数指数 used 来引发异常。在这些情况下，强制浮动被认为更有帮助。我猜 Numpy 在这里做出了不同的选择，因为它们的用例不同（不同的程序员受众）。