为何Numpy中float32数组与float64标量相加结果为float32数组？

这个现象的核心是numpy在数组与标量运算时的类型转换规则，和数组与数组运算的规则不同，具体细节如下：

1. 数组-标量运算的类型转换逻辑 #

当numpy数组和标量进行算术运算时，numpy会优先将标量转换为数组的 dtype，而非触发数组向更高精度的 dtype 提升。这是出于性能优化的考虑——如果每次数组加标量都要把整个数组转成更高精度，对大数组来说会带来不必要的内存开销和性能损耗。

对应你的测试用例：

print(np.add(np.array([a]), b).dtype)  # float32

这里np.array([a])是float32数组，float64标量b会被转换为float32类型后再和数组相加，最终结果保持float32。

2. 其他测试用例的逻辑对比 #

• 标量+标量：a+b遵循Python原生的数值类型提升规则，低精度的float32会被提升为float64，结果为float64。
• 标量+float64数组：np.add(a, np.array([b]))中，数组是float64类型，float32标量a会被转换为float64，结果为float64。
• float32数组+float64数组：np.add(np.array([a]), np.array([b]))属于数组间运算，numpy会按照类型提升规则（向更高精度对齐），将float32数组转换为float64后运算，结果为float64。

3. numpy.broadcast_arrays的差异原因 #

numpy.broadcast_arrays(np.array([a]), b)的行为是将标量b转换为和输入数组同shape的float64数组（因为b本身是float64标量），此时变成了float32数组和float64数组的运算，触发数组间的类型提升规则，最终相加结果为float64。

关于np.add文档描述的说明 #

文档中“与x1 + x2的数组广播行为等价”指的是shape的广播规则（比如标量扩展为数组shape），而非类型提升规则。实际上np.array([a]) + b的结果dtype也是float32，和np.add的行为完全一致，不存在矛盾。

内容的提问来源于stack exchange，提问作者Ma Ming