考虑下面的dtype float32的NumPy数组：
In [29]: x = numpy.arange(10, dtype=numpy.float32)
当我使用2将其乘以pytables.Expr时，我得到一个float32数组：
In [30]: tables.Expr('x * 2').eval().dtype
Out[30]: dtype('float32')
然而，当我将它乘以2.0时，我得到一个float64数组：
In [31]: tables.Expr('x * 2.0').eval().dtype
Out[31]: dtype('float64')
有没有办法以不导致结果提升为float64的方式在上面的表达式中指定浮点文字？
更一般地说，我有一个使用float32数组的表达式，我想确保结果也是float32类型（我不介意float64用于中间计算，但我无法将结果存储为float64）。我该怎么做？
答案 0 :(得分：1)
我非常确定pytables.Expr基于Numexpr。 Numexpr的文档注释了以下有关表达式升级的内容：
在暗示标量和数组的操作中，正常的规则 在Numexpr中使用了转换，而NumPy则使用了数组类型 优先考虑。例如，如果'a'是float32和float类型的数组 'b'是float64类型的标量（或Python浮点类型，它是 等价），然后'a * b'在Numexpr中返回一个float64，但是在一个float32中 NumPy（即数组操作数优先于确定结果 类型）。如果你需要保持结果为float32，请确保使用a float32标量也是。
所以这可能是正在发生的事情。浮点常量负责升级到64位浮点数，解决方案是将浮点常量显式指定为float32。