整数 numpy 数组乘以浮点数

我有一个包含整数值的 numpy 数组。如果我将整个矩阵乘以一个浮点数，结果是一个浮点矩阵，但如果我通过 for 循环逐列相乘，它只给出整数部分。

import numpy as np
A = np.array([[1,2,3],[4,5,6],[7,8,9]])
B = A

print("Multiplication as a whole matrix:")
A = 0.5*A
print(A)

for i in range(A.shape[1]):
    B[:,i] = 0.5*B[:,i]
    
print("Multiplication column by column:")
print(B)

如果我只将矩阵的一个元素更改为浮点数（例如 1 到 1.0），两种方法都会给出真实结果。我想知道其根本原因。

A = 0.5*A

更改整个数组。什么时候A.__rmul__(0.5)被解释器调用，它看到0.5 is a float从而创建一个新的A with dtype = float

for i in range(A.shape[1]):
    B[:,i] = 0.5*B[:,i]

现在，我们尝试回读B分段。但即使0.5*B[:, i]是一个浮点数组，B还是dtype = int，所以它投射floats to int以适应现有的B数据结构。

设置“即使矩阵中只有一个元素为浮点数”也会将整个数组设置为dtype = float，然后投射到int会停止。