NumPy 数据类型比较

我正在比较两个不同数组的数据类型，以选择适合组合两者的一个。我很高兴发现我可以执行比较操作，但在这个过程中发现了以下奇怪的行为：

In [1]: numpy.int16 > numpy.float32
Out[1]: True

In [2]: numpy.dtype('int16') > numpy.dtype('float32')
Out[2]: False

谁能解释一下这是怎么回事？这是 NumPy 1.8.2。

第一个比较没有意义，第二个比较is有意义的。

With numpy.int16 > numpy.float32我们正在比较两个type对象：

>>> type(numpy.int16)
type
>>> numpy.int16 > numpy.float32 # I'm using Python 3
TypeError: unorderable types: type() > type()

在 Python 3 中，这种比较会立即失败，因为没有定义顺序type实例。在 Python 2 中，返回一个布尔值，但不能依赖于一致性（它会回退到比较内存地址或其他实现级别的东西）。

第二次比较does在 Python 3 中工作，并且它一致地工作（与 Python 2 相同）。这是因为我们现在正在比较dtype实例：

>>> type(numpy.dtype('int16'))
numpy.dtype
>>> numpy.dtype('int16') > numpy.dtype('float32')
False
>>> numpy.dtype('int32') < numpy.dtype('|S10')
False
>>> numpy.dtype('int32') < numpy.dtype('|S11')
True

这个排序背后的逻辑是什么？

dtype实例根据一个实例是否可以（安全）转换为另一个实例进行排序。一种类型是少于如果可以的话另一个安全施放到那种类型。

对于比较运算符的实现，请参见描述符.c https://github.com/numpy/numpy/blob/master/numpy/core/src/multiarray/descriptor.c;特别是在arraydescr_richcompare https://github.com/numpy/numpy/blob/master/numpy/core/src/multiarray/descriptor.c#l3451功能。

这是什么<运算符映射到：

switch (cmp_op) {
 case Py_LT:
        if (!PyArray_EquivTypes(self, new) && PyArray_CanCastTo(self, new)) {
            result = Py_True;
        }
        else {
            result = Py_False;
        }
        break;

本质上，NumPy 只是检查这两种类型是否 (i) 不等价，以及 (ii) 第一种类型可以转换为第二种类型。

此功能也在 NumPy API 中公开为np.can_cast http://docs.scipy.org/doc/numpy/reference/generated/numpy.can_cast.html:

>>> np.can_cast('int32', '|S10')
False
>>> np.can_cast('int32', '|S11')
True