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 небольшими отличиями. Когда используются как скаляры, так и массивы, тип массива имеет приоритет, а фактическое значение скаляра учитывается.

Например, вычисление 3*a, где a — массив 32-битных чисел с плавающей точкой, интуитивно должно привести к результату в виде 32-битного числа с плавающей точкой. Если 3 — 32-битное целое число, правила NumPy указывают, что оно не может быть без потерь преобразовано в 32-битное число с плавающей точкой, поэтому типом результата должно быть 64-битное число с плавающей точкой. Рассмотрев значение константы «3», мы видим, что оно помещается в 8-битное целое число, которое может быть без потерь преобразовано в 32-битное число с плавающей точкой.

Параметры

arrays_and_dtypeslist of arrays and dtypes

Операнды некоторой операции, тип результата которой требуется.

Возвращает

outdtype

Тип результата.

См. также

dtype, promote_types, min_scalar_type, can_cast

Замечания

Введено в версии 1.6.0.

Используемый алгоритм следующий.

Категории определяются 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, и полученные типы данных объединяются с помощью promote_types для получения возвращаемого значения.

Множество значений int не является подмножеством значений uint для типов с одинаковым количеством битов, что не отражено в min_scalar_type, но обрабатывается как специальный 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')