numpy 数组强制转换规则不“安全”答案

【问题标题】：numpy array casting ruled not 'safe'numpy 数组强制转换规则不“安全”
【发布时间】：2015-05-05 09:34:42
【问题描述】：

用另一个索引一个 numpy 数组 - 两者都定义为 dtype='uint32'。使用 numpy.take 进行索引并获得不安全的转换错误。以前没有遇到过这个。知道发生了什么吗？

Python 2.7.8 |Anaconda 2.1.0 (32-bit)| (default, Jul  2 2014, 15:13:35) [MSC v.1500 32 bit (Intel)] on win32
Type "copyright", "credits" or "license()" for more information.

>>> import numpy
>>> numpy.__version__
'1.9.0'

>>> a = numpy.array([9, 7, 5, 4, 3, 1], dtype=numpy.uint32)
>>> b = numpy.array([1, 3], dtype=numpy.uint32)
>>> c = a.take(b)

Traceback (most recent call last):
  File "<pyshell#12>", line 1, in <module>
    c = a.take(b)
TypeError: Cannot cast array data from dtype('uint32') to dtype('int32') according to the rule 'safe'

【问题讨论】：

运行 python 3.4.3 64 位和 numpy '1.9.2rc1' 时没有收到警告
我认为问题在于将a.take(b) 分配给c。尝试在c = a.take(b)之前设置c =numpy.array(0,dtype=numpy.uint32)
在 Python 2.7.5 64 位和 numpy 1.9.1 中也没有警告。
更新到 numpy 1.9.2 但仍然是同样的错误。设置 c=numpy.array(0, dtype=numpy.uint32) 也不起作用。在 Windows 32 位 XP 和 Windows 8.1 上的结果相同。奇怪！
我将这个问题解释如下。 NumPy 使用有符号整数进行索引（毕竟a[-1] 的工作方式就像在 Python 列表中一样）。当它发现索引数组具有错误的 dtype 时，它会尝试将索引数组转换为有符号整数数组（如果b 是一个数组，例如int16，这将是合理的并产生合理的结果）。由于这种转换对于uint32 的数组是不安全的——例如，最大的uint32 值将变为-1，一个相当不同的索引——NumPy 会引发错误。在使用take 之前，您可能需要自己转换b 的dtype。

标签： python arrays numpy types casting

【解决方案1】：

这在处理需要指定索引或长度的 NumPy 函数时很常见（不仅仅是take，请参见例如here）。

问题在于，出于索引目的，NumPy 想将您的 uint32 数组视为 int32 数组（这可能是 32 位系统上的“指针”整数类型 np.intp）并希望将其转换为该类型。

它不能安全地执行此操作 - 无符号数组中的某些整数可能无法表示为有符号 32 位整数。您看到的错误反映了这一点。

这意味着如果 b 具有 dtype int64 或 float dtype，但如果它是 int32 或更小的整数 dtype，则不会出现相同的错误。

对于它的价值，这对于索引符号a[b] 来说不是一个直接的问题，它允许不安全的强制转换（但如果索引超出范围则会引发错误）。尝试例如 a[2**31] - NumPy 转换为 int32 但随后抱怨索引 -2147483648 超出范围。

【讨论】：

谢谢！我通常使用 a[b] 但这应该比 .take 慢。无论如何，会坚持有效的！
在 1.9.x 中不再慢了。并且这种行为可能应该被报告为一个错误，np.take 应该做与索引相同的事情：一旦确认索引是一个整数，就使用不安全的强制转换，例如在 32 位系统上a[2**32-1] 返回a[-1]，因为2**32-1 被转换为np.uint32，然后不安全地转换为np.int32。这种极端情况下的错误行为比使np.uint32 无法用作索引更令人讨厌。
@Jaime 很高兴听到 a[b] 类型的索引不再慢。我会在关于 np.take 的 numpy 邮件列表上写一个便条。谢谢！