使用np.uint8进行Python错误计算

Question

在Jupyter笔记本上做计算的时候。我尝试使用**或np.power将数组提升到2的级别。两者都会产生错误的结果

有什么问题吗？ 如果我在一个数字上运行，计算是正确的

Answer 1

数组的类型为uint-8，它是一个8位整数。计算很好-你看到的是溢出

例如：

np.uint8(20) * np.uint8(20) 

输出：

/usr/local/lib/python3.7/site-packages/ipykernel_launcher.py:1: RuntimeWarning:

overflow encountered in ubyte_scalars

144

Answer 2

一点背景知识

当你说：

If i run on a single number- calculation is correct

您可能的意思是，您正在使用python内置的int类型。Python中的int是任意精度的，这意味着将分配尽可能多的存储字节，以便保存数据项而不会溢出

当您使用NumPy数组时，情况并非如此，因为它们是作为存储在内存中相邻且有规则间隔的值序列实现的，您无法使其中一个值需要更多的字节，因为它没有“增长”的空间。因此，每个NumPy数组都有一个关联的数据类型，在创建数组时使用该数据类型，并且其中的所有值都有此数据类型

使用NumPy数组执行操作时，输出数据类型的长度基于输入中的数据类型。因为您的数组image是数据类型np.uint8，（并且2是一个可以存储在np.uint8中的值），所以操作image ** 2的结果也是数据类型np.uint8，因此值会溢出，因为它们超过了2^8

如果您这样做：

image.astype(np.uint16) ** 2

这将使用数据类型为np.uint16的输入数据的临时副本进行操作，因此输出数据类型为np.uint16，这将足以存储所需的精度

Answer 3

这是因为数组的数据类型是uint8，它只能存储8位数字，即0-255。在这之后，溢出发生，结果被包装起来，它将x mod 256作为x的表示。例如，62*62=3844但由于3844不能容纳在8位中，因此得到的结果是3844 mod 256。因此，为了得到正确的结果，您需要将数据类型更改为较长的数据类型，例如int。试试这个：

image.astype(np.int)**2

如果有帮助，请告诉我