我正在寻找程序中的错误，我发现它是由Numpy的意外行为产生的......
当使用Python3k和Numpy对不同的整数类型进行简单的算术运算时，例如
（numpy.uint64）+（int）
结果是......一个numpy.float64
以下是一个例子：
v = numpy.array([10**16+1], dtype=numpy.uint64)
print(v[0])
v[0] += 1
print(v[0])
它产生以下结果：
10000000000000001
10000000000000000
当你处理整数以避免舍入错误时，这可能是非常意外的......
通过用numpy.uint64（1）替换1可以很容易地解决上述“问题”，但我可以看到很多错误来自于此。这种情况背后的规则和逻辑是什么？在这种情况下是否有关于强制执行方式的文件？我找不到了。
我之前想过，你可以通过使用.item（）对强制进行一些了解，但这更具误导性：
v = numpy.array([10**16+1], dtype=numpy.uint64)
print(type(v[0].item()))
v[0] = v[0].item() + 1
print(v[0])
产生
<class 'int'>
10000000000000001
10000000000000002
所以.item（）将numpy.uint64转换为int，如果你明确地在算术运算中使用它，它就可以工作。
我很惊讶（但我没有经验，我猜），当'a'对应于numpy特定的dtype时，
a.item() + 1
和
a + 1
不会产生相同的结果......因此在转换回numpy dtype时会产生不同的结果。
（使用的环境是最新的Pyzo发行版，通过IEP，如果重要的话。我通常使用Python 2，但我必须在Py3k中进行一些测试，这是一种方便的方法。）
答案 0 :(得分：0)
如上所述：
它适用于：
dtype=np.int64
而不是：
dtype=np.uint64
对于python 2和3，numpy 1.6和1.9。
只需使用：
np.int64
没有理由使用uint64，2⁶⁴ - 1或2⁶³ - 1的溢出对于所有实际目的来说都是完全相同的。
<强>参考