numpy.promote_types#

numpy.promote_types(type1, type2)#

返回尺寸最小且标量种类最小的数据类型,``type1`` 和 type2 都可以安全地转换为该类型.返回的数据类型总是被认为是”规范的”,这主要意味着提升后的 dtype 将始终是本地字节顺序.

这个函数是对称的,但很少是结合的.

参数:
type1dtype 或 dtype 说明符

第一个数据类型.

type2dtype 或 dtype 说明符

第二种数据类型.

返回:
outdtype

被推广的数据类型.

参见

result_type, dtype, can_cast

备注

请参阅 numpy.result_type 以获取有关类型提升的更多信息.

在 1.6.0 版本加入.

从 NumPy 1.9 开始,当给定一个整数或浮点数 dtype 作为一个参数,给定一个字符串 dtype 作为另一个参数时,promote_types 函数现在返回一个有效的字符串长度.以前,它总是返回输入的字符串 dtype,即使它不够长,无法存储转换为字符串的最大整数/浮点数值.

在 1.23.0 版本发生变更.

NumPy 现在支持更多结构化数据类型的提升.它现在会从结构化数据类型中移除不必要的填充,并单独提升包含的字段.

示例

>>> import numpy as np
>>> np.promote_types('f4', 'f8')
dtype('float64')

>>> np.promote_types('i8', 'f4')
dtype('float64')

>>> np.promote_types('>i8', '<c8')
dtype('complex128')

>>> np.promote_types('i4', 'S8')
dtype('S11')

一个非关联情况的例子:

>>> p = np.promote_types
>>> p('S', p('i1', 'u1'))
dtype('S6')
>>> p(p('S', 'i1'), 'u1')
dtype('S4')
On this page