numpy数据类型提升

numpy数据类型提升

当您将多个NumPy数组连接(concatenate)起来时，结果数组的数据类型（dtype）将依赖于输入数组的数据类型。如果输入数组具有不同的数据类型，NumPy会尝试选择一个可以兼容所有输入数组内容的数据类型，这个过程称为类型提升（type promotion）。
在您给出的情况中，存在两个数据类型：uint8和uint16。uint8类型表示无符号整数（0到255），uint16类型表示更大范围的无符号整数（0到65535）。为了能够包含更大范围的数而不丢失信息，NumPy将选择uint16作为结果数组的数据类型，因为uint16可以表示uint8能表示的所有数值，并且还能表示更大的数值。

所以，当你将两个uint8数组和一个uint16数组连接起来时，最终的数组将会是uint16类型的。

import numpy as np

# 创建三个NumPy数组，两个uint8类型，一个uint16类型
array1 = np.array([1, 2, 3], dtype=np.uint8)
array2 = np.array([4, 5, 6], dtype=np.uint8)
array3 = np.array([700, 800, 900], dtype=np.uint16)

# 使用np.concatenate函数连接这三个数组
concatenated_array = np.concatenate((array1, array2, array3))

# 打印结果数组的内容和数据类型
print("连接后的数组:", concatenated_array)
print("数组的数据类型:", concatenated_array.dtype)