python - 为什么速记赋值和 NaN 有不同的行为？

Question

我在 python 2.7.3 中看到了这一点，包括 pylab 和 numpy。为什么是这样：

>>> x = pylab.arange(5)
>>> x = x + pylab.nan
>>> print x
[ nan  nan  nan  nan  nan]

与此不同：

>>> x = pylab.arange(5)
>>> x += pylab.nan
__main__:1: RuntimeWarning: invalid value encountered in add
>>> print x
[-9223372036854775808 -9223372036854775808 -9223372036854775808
 -9223372036854775808 -9223372036854775808]

?

Answer 1

这是因为arange(5)返回一个整数数组，但nan它是一个浮点值。当您进行常规赋值时，这没关系，因为x + nan透明地转换x为浮点数以进行加法并返回浮点数结果。但是对于+=，它会尝试将此浮点结果放回原来的x，这是一个 int 数组。这失败了，因为 int 数组不能接受浮点数据。

与 numpy 数组一起使用+=会更新数组，如果您的计算结果与原始数据类型不同，这将不起作用。