Python Numpy如何修改ndarray内部数据类型 解决浮点计算结果为0的问题

你的代码里初始化的float类型数组没有生效，因为后续直接给ham_fields变量重新赋值了整数类型的过滤结果：data本身是整数数组，data[data[:, 0] == 0]返回的依然是整数类型，直接赋值后就覆盖了之前初始化的float数组。后续基于整数数组计算得到的ham_sum也是整数类型，给整数数组元素赋值浮点数时，numpy会自动向下截断为整数，因此0.xxx的数值会被转成0。

任选以下任意一种方式修改即可：

• 在过滤data的时候直接转换数据类型为float：

  # 删掉原代码里冗余的ham_fields、ham_total初始化语句，直接写下面的代码
  ham_fields = data[data[:, 0] == 0].astype(float)
  ham_sum = np.delete((ham_fields.sum(0)),0)
  ham_total = np.sum(ham_sum)
  ham_len = len(ham_sum)
  
  for i in range(ham_len):
      ham_sum[i] = (ham_sum[i] + self.alpha) / (ham_total + (ham_len * self.alpha))
  

• 在生成ham_sum的时候转换数据类型为float：

  ham_fields = data[data[:, 0] == 0]
  ham_sum = np.delete((ham_fields.sum(0)),0).astype(float)
  ham_total = np.sum(ham_sum)
  ham_len = len(ham_sum)
  
  for i in range(ham_len):
      ham_sum[i] = (ham_sum[i] + self.alpha) / (ham_total + (ham_len * self.alpha))
  

循环赋值的部分可以直接用向量化运算替代，不需要写for循环，运行效率更高：

ham_sum = (ham_sum + self.alpha) / (ham_total + ham_len * self.alpha)

内容的提问来源于stack exchange，提问作者N K