NumPy浮点数的默认数据类型是什么？如何选择适配浮点类型？

默认浮点数类型 #

NumPy默认的浮点数类型是双精度64位浮点数，对应别名为np.float_，底层和C语言标准的double类型完全对应。在所有主流桌面、服务器端64位系统（x86_64/arm64架构的Windows、macOS、Linux）上，这个类型和np.float64是等价的。

别踩坑：NumPy不会默认使用32位单精度浮点数np.float32，别想当然传错类型平白损失精度。

显式传dtype时的匹配方法 #

np.fromiter()这类要求必须显式指定dtype的函数，按你的实际场景选对应写法就行：

• 如果你要和NumPy全局默认浮点类型对齐，直接传dtype=np.float_就对了。没必要硬写np.float64，虽然绝大多数场景下两者效果一样，但np.float_会自动适配当前NumPy编译环境的默认浮点定义，兼容性更好。要是图省事传Python内置的float当dtype，效果和np.float_完全一致，只是可读性稍差。
• 如果你要和代码里已经存在的NumPy浮点数组保持类型一致，最稳妥、零出错的方式是直接取已有数组的.dtype属性传进去，参考代码：

import numpy as np
# 代码中已有的浮点数组，可能是float16/float32/float64任意精度
existing_arr = np.array([1.2, 3.4, 5.6], dtype=np.float32)
# 从迭代器生成新数组，类型和已有数组完全匹配
new_arr = np.fromiter(iter([7.8, 9.0, 1.2]), dtype=existing_arr.dtype)

这种写法完全不需要你手动记已有数组的具体浮点精度，从根源上避免隐式类型转换带来的精度损失、内存异常、计算结果偏差等问题。

内容的提问来源于stack exchange，提问作者asdfasdfsdf