Question

我在笔记本电脑上安装了Anaconda 3 64位，并在Spyder中编写了以下代码：

import numpy.distutils.system_info as sysinfo
import numpy as np
import platform

sysinfo.platform_bits 
platform.architecture()

my_array = np.array([0,1,2,3])
my_array.dtype

这些命令的输出显示以下内容：

sysinfo.platform_bits 
Out[31]: 64

platform.architecture()
Out[32]: ('64bit', 'WindowsPE')

my_array = np.array([0,1,2,3])
my_array.dtype
Out[33]: dtype('int32')

我的问题是，即使我的系统是64位，为什么默认情况下数组类型是int32而不是int64？

感谢任何帮助。

Answer 1

默认整数类型np.int_是C long：

http://docs.scipy.org/doc/numpy-1.10.1/user/basics.types.html

但是C long在win64中是int32。

https://msdn.microsoft.com/en-us/library/9c3yd98k.aspx

这是win64平台的一种奇怪。

Answer 2

在Microsoft C中，即使在64位系统上，long int数据类型的大小也是32位。（例如，参见https://msdn.microsoft.com/en-us/library/9c3yd98k.aspx。）Numpy继承了C编译器long int中整数的默认大小。

Answer 3

原创海报Prana提出了一个非常好的问题。 “为什么在64位计算机上将整数默认值设置为32位？”

尽我所知，简短的回答是：“因为设计错了”。很明显，64位机器应该默认 - 在任何关联的解释器中将整数定义为64位。但当然，这两个答案解释了为什么情况并非如此。现在情况有所不同，所以我提供了这个更新。

我注意到，对于CentOS-7.4 Linux和MacOS 10.10.5（新旧），运行Python 2.7.14（使用Numpy 1.14.0），（截至2018年1月），默认整数现在定义为64位。（初始示例中的“my_array.dtype”现在将在两个平台上报告“dtype（'int64'）”。

如果你正在进行整数数学运算，那么在任何解释器中使用32位整数作为默认整数会产生非常松散的结果，正如这个问题指出的那样：

Using numpy to square value gives negative number

现在看来Python和Numpy已经更新和修改（更正，有人可能会争辩），因此为了复制遇到的问题，如上面的问题所述，你必须明确地将Numpy数组定义为int32。

在Python中，现在在两个平台上，默认整数看起来都是int64。此代码在两个平台（CentOS-7.4和MacOSX 10.10.5）上运行相同：

>>> import numpy as np
>>> tlist = [1, 2, 47852]
>>> t_array = np.asarray(tlist)
>>> t_array.dtype

dtype('int64')

>>> print t_array ** 2

[ 1 4 2289813904]

但是如果我们使t_array成为一个32位整数，那么就得到以下结果，因为整数计算在32位字的符号位上滚动。

>>> t_array32 = np.asarray(tlist, dtype=np.int32)
>>> t_array32.dtype

dtype*('int32')

>>> print t_array32 ** 2

[ 1 4 -2005153392]

使用int32的原因当然是效率。在某些情况下（例如使用TensorFlow或其他神经网络机器学习工具），你想要使用32位表示（当然主要是浮点数），因为速度增加与使用64位浮点数相比，可能相当显著。

Answer 4

entelkedi，您可以将数组显式转换为所需的数据类型，如下所示：

int64_array = int32_array.astype(np.int64)

默认情况下，numpy数组dtype在Windows 10 64位计算机

4 个答案: