本文共 2229 字，大约阅读时间需要 7 分钟。
调用方式：
numpy.common_type(*arrays)
各个参数的意义：
*arrays:表示输入的参数可以为多个数组，但是一定要为ndarray才能够被这个函数识别，其他的类型如int，float，complex都无法被识别从而报错。 有返回值，会得到一个能够包含所有输入的所有数组类型的类型。 这个numpy中的函数有什么作用呢？通常它会被用在一个函数中来获取传递进入函数的数组参数的类型，之后就可以使用这个结果来创建和输入数组同样类型的其他数组。代码如下：
import numpy as npclass Debug: def mainProgram(self, x1): dtype_x1 = np.common_type(x1) print(dtype_x1) #x2 = np.ones([2, 2], dtype=dtype_x1) print(x2.dtype) # float32 x3 = np.ones([2, 2], dtype=x1.dtype) print(x3.dtype) # float32 if __name__ == "__main__": main = Debug() x1 = np.array([1, 2], dtype=np.float32) print(x1.dtype) # float32 main.mainProgram(x1)
我们可以看到我们在外部创建了一个全局数组变量x1，它的类型我们使用x1.dtype打印得到为float32。然后我们将它传递进入mainProgram()中，之后我们使用np.common_type()获取它的类型为<class 'numpy.float32'>，然后我们创建了一个新的数组x2并将我们刚刚获取的类型结果通过dtype参量传递对下x2数组进行初始化，接着我们打印x2的类型发现和x1的类型一致。至此，我们实现了使用np.common_type()获取给定数组类型并创建相同类型新数组的过程。然后我们又创建了一个新的数组x3，这次我们直接将x1.dtype得到的x1数组类型通过dtype参数传递对x3数组进行初始化，结果我们也获取到了与x1数组类型一致的新数组。由此我们可以说，这两种方式是可以等价的。 然而如果我们需要创建很多个与x1数组类型一致的数组，采用后一种x1.dtype获取类型并传递的方法就会导致程序的可读性很差，这也是np.common_type()函数应运而生的原因。
然而如果仅仅是这样，这个函数功能就显得有些重复了，其实np.common_type()的主要用法并非如此，而是经常被用在以下的情况，代码如下：
import numpy as npclass Debug: def mainProgram(self): x1 = np.array([1, 2], dtype=np.int32) x2 = np.array([1, 2], dtype=np.float32) type_12 = np.common_type(x1, x2) print(type_12) #if __name__ == "__main__": main = Debug() main.mainProgram()
我们创建一个int类型的数组和一个float类型的数组，从输出结果不难发现，它们的共同类型就是<class 'numpy.float64'>，也就是说np.common_type()可以找出数组们共同所属的类型集合。这里找出的是两个数组的共同所属类型集合，那么多个可不可以呢？答案是可以的。代码如下：
import numpy as npclass Debug: def mainProgram(self): x1 = np.array([1, 2], dtype=np.int32) x2 = np.array([1, 2], dtype=np.float32) x3 = np.array([1, 2], dtype=np.complex64) type_123 = np.common_type(x1, x2, x3) print(type_123) #if __name__ == "__main__": main = Debug() main.mainProgram()
如上述代码输出结果所示，共同类型type_123为<class 'numpy.complex128'>。
如果大家觉得有用，请高抬贵手给一个赞让我上推荐让更多的人看到吧~
转载地址：http://rtuh.baihongyu.com/