关于np.array无dtype参数及特定参数调用是否报错的技术问询

1. 调用未指定dtype参数的np.array是否会引发错误？ #

一般情况下不会引发错误。numpy会自动根据输入x的类型推断合适的dtype：

• 如果输入是Python基础数值类型（int、float等），会对应到numpy的数值类型（比如int64、float64）；
• 如果输入是混合类型的序列（比如同时包含int和字符串），或者numpy无法推断出数值类型的对象，会自动将dtype设为object；
• 只有当输入是完全无法被numpy解析的特殊类型时（比如未实现适配numpy接口的自定义类实例），才可能触发错误，但这种情况非常少见。

举几个实际例子：

import numpy as np

# 自动推断为int64类型
arr1 = np.array(123)
print(arr1.dtype)  # 输出 int64

# 混合类型自动设为object
arr2 = np.array([1, "hello"])
print(arr2.dtype)  # 输出 object

# 自定义对象不会报错，dtype为object
class MyCustomObj:
    pass
arr3 = np.array(MyCustomObj())
print(arr3.dtype)  # 输出 object

2. 对于任意x值，执行arr = np.array(x, copy=False, subok=False)是否会引发错误？ #

并不是所有输入都会引发错误，只有特定边界场景才会触发异常：

• 当x是numpy数组的子类实例（比如pandas Series的底层数组），且copy=False要求返回视图、subok=False要求返回标准numpy数组时，可能因为无法直接返回非子类的视图而报错；
• 如果x是不支持缓冲区协议（buffer protocol）的特殊对象，且numpy无法将其转换为数组，也可能触发TypeError；
• 像你测试的那些“无效输入”（比如混合类型、自定义对象），numpy依然会返回dtype为object的标量数组，不会报错。

举个报错的场景：

import numpy as np
import pandas as pd

# pandas Series是numpy数组的子类
s = pd.Series([1,2,3])
# 尝试用copy=False和subok=False创建数组会报错，因为无法返回非子类的视图
arr = np.array(s, copy=False, subok=False)  # 触发 TypeError: Cannot cast array from dtype('int64') to dtype('int64') according to the rule 'safe'

而大部分常规甚至“非常规”输入都不会报错：

# 混合类型输入，返回object数组
arr = np.array([1, "test"], copy=False, subok=False)
print(arr.dtype)  # 输出 object

# 自定义对象，返回object标量数组
arr = np.array(MyCustomObj(), copy=False, subok=False)
print(arr.dtype)  # 输出 object

总结来说，copy=False和subok=False的组合主要在处理numpy子类数组的视图时可能引发错误，其他大部分场景下即使输入看起来“无效”，numpy也会用object dtype来容纳，不会报错。

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