为何输出矩阵不符合预期？numpy数组类型运算问题求解

为什么float类型数组打印出的不是初始值？ #

你创建的float类型初始矩阵和向量是正确的，打印出的结果是经过行归一化操作后的修改值——你肯定是先运行了那几行循环除法代码，再执行的打印。要查看初始值，需在创建数组后立刻打印，不要先执行后续的归一化逻辑。

int类型数组执行除法报错的解决方法 #

报错原因是：int类型数组无法存储除法产生的浮点数结果，numpy的原地赋值（/=）遵循same_kind类型转换规则，不允许将float结果强制存入int数组。有以下几种解决方式：

• 直接用float类型创建数组（推荐）：
  保持你最初的写法，创建时指定float类型，这样数组本身支持浮点数存储，执行除法循环不会报错。注意调整代码顺序：先打印初始数组，再执行归一化操作。

  import numpy as np
  A = np.array([[2,1,4,1], [3,4,-1,-1], [1,-4,1,5], [2,-2,1,3]], float)
  v = np.array([-4, 3, 9, 7], float)
  # 先打印初始值
  print("初始A：", A)
  print("初始v：", v)
  # 再执行归一化逻辑
  N = A.shape[0]
  for m in range(N):
      div = A[m,m]
      A[m,:] /= div
      v[m] /= div
  # 打印修改后的值
  print("修改后A：", A)
  print("修改后v：", v)
  

• 转换数组类型后再执行除法：
  如果必须用int类型初始化数组，在执行除法前将数组转换为float类型：

  import numpy as np
  A = np.array([[2,1,4,1], [3,4,-1,-1], [1,-4,1,5], [2,-2,1,3]], int)
  v = np.array([-4, 3, 9, 7], int)
  # 转换为float类型
  A = A.astype(float)
  v = v.astype(float)
  # 执行归一化逻辑
  N = A.shape[0]
  for m in range(N):
      div = A[m,m]
      A[m,:] /= div
      v[m] /= div
  

• 避免原地赋值，重新创建数组：
  不用/=原地修改，而是通过重新赋值让numpy自动处理类型转换，但这种方式效率略低，不如前两种方案：

  import numpy as np
  A = np.array([[2,1,4,1], [3,4,-1,-1], [1,-4,1,5], [2,-2,1,3]], int)
  v = np.array([-4, 3, 9, 7], int)
  N = A.shape[0]
  for m in range(N):
      div = A[m,m]
      # 重新赋值，生成新的float数组
      A[m,:] = A[m,:] / div
      v[m] = v[m] / div
  

内容的提问来源于stack exchange，提问作者ilra