numpy.result_type

numpy.result_type(*arrays_and_dtypes)

Возвращает тип, полученный в результате применения правил повышения типа NumPy к аргументам.

Повышение типа в NumPy работает аналогично правилам в языках, таких как C++, с некоторыми незначительными отличиями. Когда используются как скаляры, так и массивы, тип массива имеет приоритет, и фактическое значение скаляра учитывается.

Например, вычисление 3*a, где a — массив с плавающей точкой 32 бита, интуитивно должно привести к выводу с плавающей точкой 32 бита. Если 3 — целое число 32 бита, правила NumPy указывают, что оно не может быть без потерь преобразовано в плавающую точку 32 бита, поэтому типом результата должна быть плавающая точка 64 бита. Исследуя значение константы «3», мы видим, что оно помещается в целое число 8 бит, которое может быть без потерь преобразовано в плавающую точку 32 бита.

Параметры:	arrays_and_dtypes : список массивов и типов данных Операнды некоторой операции, тип результата которой требуется.
Возвращает:	out : тип данных Тип результата.

См. также

dtype, promote_types, min_scalar_type, can_cast

Примечания

Введено в версии 1.6.0.

Используемый алгоритм выглядит следующим образом.

Категории определяются в первую очередь путем проверки, являются ли boolean, integer (int/uint) или floating point (float/complex) максимальным видом всех массивов и скаляров.

Если существуют только скаляры или максимальная категория скаляров выше максимальной категории массивов, типы данных объединяются с помощью promote_types для получения возвращаемого значения.

В противном случае min_scalar_type вызывается для каждого массива, а полученные типы данных объединяются с помощью promote_types для получения возвращаемого значения.

Множество целочисленных значений не является подмножеством множества значений с типом uint для типов с одинаковым числом битов, что не отражается в min_scalar_type, но обрабатывается как особый случай в result_type.

Примеры

>>> np.result_type(3, np.arange(7, dtype='i1'))
dtype('int8')

>>> np.result_type('i4', 'c8')
dtype('complex128')

>>> np.result_type(3.0, -2)
dtype('float64')