numpy数组和数组标量之间的不同表现

Question

这是对这个问题的后续讨论。

当我们使用一个特定类型的numpy 数组时，进行数字运算后它会保持这个类型。
比如说，如果你给一个uint32类型的数组加1，当这个数组的值达到了uint32的最大值时，它会把值“绕回”到0，同时数组的类型依然是uint32：

import numpy
a = numpy.array([4294967295], dtype='uint32')
a += 1   # will wrap to 0
print(a)
print(a.dtype)

输出结果：

uint32
[0]
uint32

但是，对于同样类型的数组 标量，这种行为就不一样了：

import numpy
a = numpy.uint32(4294967295)
print(a.dtype)
a += 1   # will NOT wrap to 0, and change the scalar type
print(a)
print(a.dtype)

输出结果：

uint32
4294967296
int64

根据数组标量的文档：

使用数组标量的主要优点是它们保持数组的类型

...

因此，使用数组标量可以确保数组和标量之间的行为是相同的，无论这个值是在数组里面还是不在。

(强调是我自己的)

我的问题：
为什么我观察到数组和标量之间有不同的行为，尽管文档明确说明它们应该表现得一样？

Answer 1

正如评论中提到的：是的，这份文档最多也就是不够准确。我觉得它是在说同类型标量之间的行为：

import numpy
a = numpy.uint32(4294967295)
print(a.dtype)  # uint32
a += np.uint32(1)   # WILL wrap to 0 with warning
print(a)  # 0
print(a.dtype)  # uint32

不过，你的例子中的行为会因为NEP 50在NumPy 2.0中的变化而改变。所以，虽然旧的行为让人很沮丧，但也没什么办法，只能等着，除非你想提个问题，要求修改文档。具体内容可以参考迁移指南。

最大的向后兼容性变化是，现在标量的精度会保持一致……np.float32(3) + 3. 现在返回的是一个float32，而之前返回的是float64。

我已经确认，在你的例子中，类型保持得如预期一样。

import numpy
a = numpy.uint32(4294967295)
print(a.dtype)  # uint32
a += 1  # will wrap to 0 
print(a)  # 0
print(a.dtype)  # uint32
numpy.__version__  # '2.1.0.dev0+git20240318.6059db1'

第二个NumPy 2.0的候选版本已经发布，如果你想试试的话：https://mail.python.org/archives/list/numpy-discussion@python.org/thread/EGXPH26NYW3YSOFHKPIW2WUH5IK2DC6J/