为什么python中的计算机之间的强制转换规则会有所不同？
为什么python中的计算机之间的强制转换规则会有所不同？
提问于 2013-01-11 07:28:08
我在我的Mac上运行Python2.7，我正在和其他使用Ubuntu的人一起开发一个群组编码项目。偶尔，他们写的代码不能在我的计算机上运行，因为强制转换规则错误：
273 # Apply column averages to image
--> 274 img[:middle] *= (bg[0]/np.tile(topCol, (middle,1)))
275 img[middle:] *= bg[1]/np.tile(botCol, (middle,1))
276
TypeError: Cannot cast ufunc multiply output from dtype('float64') to dtype('int16') with casting rule 'same_kind'我认为你不需要细节，因为这发生在几个不同的地方，具有不同的数字类型。
它可以在他们所有的电脑上运行，没有问题。我写的每一件事都适合他们，但他们写的东西有时对我不起作用。
我们的机器有没有不一致的原因，我有没有办法改变我那一端的东西？
谢谢!
回答 2
Stack Overflow用户
回答已采纳
发布于 2013-01-11 09:26:24
This thread建议您的numpy比您的同事正在使用的版本新(请使用numpy.version.version进行检查)。在1.7.0开发分支中，他们似乎已经将隐式强制转换规则更改为更严格的same_kind规则，该规则禁止(以及其他内容)在浮点和整数格式之间进行强制转换。
为了解决这个问题，我建议使用如下代码：
img[:middle] *= (bg[0]/np.tile(topCol, (middle,1))).astype(img.dtype)Stack Overflow用户
发布于 2013-01-12 04:20:23
nneonneo有一个正确的解决方案，我想我应该添加一些其他的变通方法。
一个问题是，img变量早先是手动定义为int的。然后，与float的乘法违反了严格的类型转换
img = np.int16( cp.deepcopy(imgArray) )
...
img[:middle] *= bg[0]/np.tile(topCol, (middle,1))
>>TypeError: Cannot cast ufunc multiply output from dtype('float64') to dtype('int16') with casting rule 'same_kind'一种解决方法是：
我可以更改初始变量类型定义，以匹配稍后需要的内容：
img = np.float64( cp.deepcopy(imgArray) )
...
img[:middle] *= bg[0]/np.tile(topCol, (middle,1))或者我可以保留原始类型转换，并更改运算符：
img = np.int16( cp.deepcopy(imgArray) )
...
img[:middle] = img[:middle]*bg[0]/np.tile(topCol, (middle,1))出于某种原因，Numpy允许以这种方式进行操作，而*=则不允许
谢谢你的帮助！
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/14269164
复制相关文章
相似问题