Numpy: BUG : 스칼라와 모양 == (1,) 배열을 혼합 할 때 차원 검색이 실패 함

Cc @nschloe , 이러한 유형의 일에 반대하며 문제에 연결할 수 있습니다.

CCing에 감사드립니다. 네, 이건 정말 제가하고있는 일처럼 보입니다. : smiley_cat : https://github.com/numpy/numpy/issues/10404

여기서 객체 배열을 만드는 것이 옳다고 주장합니다. 결국, 당신은 플로트와 배열을 함께 넣는 것입니다. Python 목록을 만든 경우

[0.25, np.array([0.3])]

당신은 똑같은 것을 기대할 것입니다. 첫 번째 항목은 float이고 두 번째 항목은 길이 1의 배열입니다. 여기서 목록과 np.arrays가 다르게 동작하면 혼란 스러울 것입니다.

또한 여기에 암시 적으로 dtype float 배열을 만들면 내가 원하더라도 [float, vector[1]] 배열을 만들 수 없습니다.

대부분의 경우 np.array([0.25, np.array([0.3])]) 은 실수로 수행되며 쉽게 수정할 수 있습니다. 예를 들어 https://github.com/scipy/scipy/pull/11147/files#diff -21a6a0b0d89357857304bfba2da5a971L321을 참조하십시오. 아무튼,

명시적인 것이 암시적인 것보다 낫습니다.

네, 닫습니다. 그 PR은 최근 NEP 34 변경 사항 (복귀 이후)이 scipy에 덜 방해가되도록 만들었을 것입니다.

헉

여기서 암시 적으로 dtype float 배열을 만들면 내가 원하더라도 [float, vector [1]] 배열을 만들 수 없습니다.

기록을 위해 np.array(0.3, np.array([0.3]), dtype=object) 있습니다.

Python 목록을 만든 경우 ...

NumPy ndarray는 파이썬 목록과 매우 다릅니다. 나는 기대하지 않을 것입니다
np.array([0.2, 0.3, 0.4]) 는 dtype에 대해 np.float64 를 지정하지 않았음에도 불구하고 개체 배열을 만듭니다. 따라서 우리는 어떤 수준의 자동 가치 기반 dtype 검색에 익숙하다는 데 동의합니다. 문제는 숫자 유형 또는 객체 유형 중 우선 순위를 가져야하는 것입니다.

따라서 우리는 어떤 수준의 자동 가치 기반 dtype 검색에 익숙하다는 데 동의합니다.

여기서 "자동화"는 매우 분명합니다. 모든 입력 값을 캡처 할 수있는 "가장 낮은"데이터 유형을 항상 가져옵니다.

numpy.array([1, 2]).dtype   # int64
numpy.array([1, numpy.array(2)]).dtype  # int64, array of rank 0 are basically scalars
numpy.array([1.0, 2]).dtype   # float64
numpy.array([1, [2]]).dtype   # O