Numpy: np.left_shift और np.right_shift np.uint64 स्केलर प्रकारों पर विफल रहें (Trac # 1931)

को निर्मित 20 अक्तू॰ 2012 · 7टिप्पणियाँ · स्रोत: numpy/numpy

_ऑरिजिनल टिकट http://projects.scipy.org/numpy/ticket/1931 2011-08-10 को trac user tlatorre द्वारा, अज्ञात को सौंपा गया ।_

>>> np.uint64(5) << 1
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: ufunc 'left_shift' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule 'safe'
>>> np.uint64(5) >> 3
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: ufunc 'right_shift' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule 'safe'

00 - Bug numpy.core

स्रोत

numpy-gitbot

👀1

सबसे उपयोगी टिप्पणी

आसान काम-के आसपास शिफ्ट के लिए अहस्ताक्षरित पूर्णांक का उपयोग करना है:

np.uint64(5) << np.uint64(1)

जैसा कि @charris ऊपर उल्लेख किया गया है, समस्या यह है कि जिस तरह से dtypes को एक समान बनाया जाता है। यह सामान्य रूप से ठीक करने के लिए तुच्छ नहीं है (# 5668 भी देखें), हालांकि शायद शिफ्ट ऑपरेटरों को विशेष रूप से कैस किया जा सकता है। (पीआर स्वागत, हालांकि, जैसा कि कहा गया है, यह तुच्छ नहीं है, लेकिन निष्पक्ष समझ की आवश्यकता है कि कैसे ufucs में आंतरिक छोरों का फैसला किया जाता है ...)

mhvk 1 दिस॰ 2017

👍3

सभी 7 टिप्पणियाँ

_ @ चरिस ने 2011-08-13_ पर लिखा

इसका कारण यह है कि शिफ्ट नंबर को एक हस्ताक्षरित प्रकार के रूप में परिवर्तित किया जाता है और कोई हस्ताक्षरित पूर्णांक प्रकार नहीं होता है जो एक यूइंट64 को धारण करने के लिए पर्याप्त हो। शिफ्ट ऑपरेटरों को विशेष आवरण रखने की आवश्यकता होती है, वे इंटेल पर भी विफल हो सकते हैं क्योंकि हार्डवेयर अनावश्यक बिट्स को बाहर निकालता है, अर्थात, इंट 32 के लिए केवल निचले 5 बिट्स को देखा जाता है।

numpy-gitbot 20 अक्तू॰ 2012

_trac उपयोगकर्ता parejkoj ने 2012-07-27_ पर लिखा

मैं निम्नलिखित लैम्ब्डा के साथ इसके चारों ओर कोड करने में सक्षम था:

lshift = lambda x,s: np.uint64(x)*np.uint64(2**s)

यह काम करता है, लेकिन आदर्श नहीं है। इसे सुन्न में तय किया जाना बहुत उपयोगी होगा।

numpy-gitbot 20 अक्तू॰ 2012

👍1

यह पांच साल बाद है ... यह एक महत्वपूर्ण मुद्दा नहीं है? अहस्ताक्षरित पूर्णांक में बदलाव के बारे में कोई अस्पष्टता नहीं होनी चाहिए।

jason-s 30 नव॰ 2017

आसान काम-के आसपास शिफ्ट के लिए अहस्ताक्षरित पूर्णांक का उपयोग करना है:

np.uint64(5) << np.uint64(1)

mhvk 1 दिस॰ 2017

👍3

आसान काम-के आसपास शिफ्ट के लिए अहस्ताक्षरित पूर्णांक का उपयोग करना है:
np.uint64 (5) << np.uint64 (1)

... जो काम करता है यदि आप जानते हैं कि आप संख्यात्मक पूर्णांक पर काम कर रहे हैं, लेकिन यदि आप सामान्य कोड का उपयोग कर रहे हैं (ऐसा कुछ जो पहले से ही दूसरे मॉड्यूल में लिखा गया है और आपके नियंत्रण से बाहर है)

def f(x):
    return x | (x >> 1)

तब आप इसे नियमित रूप से पायथन पूर्णांकों और np.uint64 दोनों प्रकारों पर काम नहीं कर सकते।

मैं यह बताने की कोशिश नहीं कर रहा हूं कि यह तुच्छ (मेरे कौशल से ऊपर का रास्ता) है, लेकिन मुझे लगता है कि यह एक उच्च प्राथमिकता होनी चाहिए।

jason-s 1 दिस॰ 2017

@ jason-s - मैं मानता हूँ कि समस्या बहुत कष्टप्रद है ... अफसोस की बात है कि वहाँ हम में से कई अच्छी तरह से पर्याप्त हैं कि कैसे ufuncs आंतरिक रूप से काम करते हैं ...

शायद विधि में बदलाव के लिए कम से कम विशेष-मामले वाले स्केलर हो सकते हैं, हालांकि, सामान्य ufunc मशीनरी पर निर्भर होने के बजाय। @charris : यह आपके दिमाग में था (यदि आप याद कर सकते हैं कि 6 साल के बाद ;-)

mhvk 1 दिस॰ 2017

# 8002 भी देखें।

व्यक्तिगत रूप से, अगर हम फिर से सब कुछ कर सकते हैं, तो मैं सभी कास्टिंग / ज़बरदस्ती को फिर से करने का पक्ष लूंगा, ताकि संख्यात्मक कास्टिंग अनिवार्य रूप से सी कास्टिंग की तरह व्यवहार करे, और उन मामलों के लिए सी-कास्टिंग की भावना का पालन करें जो सी में मौजूद नहीं हैं। नियम थोड़े अजीब और कभी-कभी भ्रामक होते हैं (जैसे uint64 + int64 से float64 का रूपांतरण)। लेकिन हमने इस सूची पर बहुत चर्चा की है, इसे बदलना कठिन है।

जब मैं इस तरह की स्थितियों में आता हूं (वहां मेरी टिप्पणी देखें) मैं सिर्फ np.uint64 में हर एक मूल्य को लपेटता हूं।

ahaldane 1 दिस॰ 2017

क्या यह पृष्ठ उपयोगी था?

0 / 5 - 0 रेटिंग्स

Numpy: np.left_shift और np.right_shift np.uint64 स्केलर प्रकारों पर विफल रहें (Trac # 1931)

सबसे उपयोगी टिप्पणी

सभी 7 टिप्पणियाँ

संबंधित मुद्दों