Question

我有一个数据集，我正在尝试应用一些算术方法。事情是它给了我相对较大的数字，当我用numpy做它们时，它们被存储为0。

奇怪的是，当我计算数字appart时，它们有一个int值，当我使用numpy计算它们时它们只变为零。

x = np.array([18,30,31,31,15])
10*150**x[0]/x[0]
Out[1]:36298069767006890

vector = 10*150**x/x
vector
Out[2]: array([0, 0, 0, 0, 0])

我当然要检查他们的类型：

type(10*150**x[0]/x[0]) == type(vector[0])
Out[3]:True

如何使用numpy计算这个大数字，而不会将它们变成零？

请注意，如果我们在开始时删除因子10，那么问题就会发生变化（但我认为可能是类似的原因）：

x = np.array([18,30,31,31,15])
150**x[0]/x[0]
Out[4]:311075541538526549

vector = 150**x/x
vector
Out[5]: array([-329406144173384851, -230584300921369396, 224960293581823801,
   -224960293581823801, -368934881474191033])

负数表示python中的int64类型的最大数字是否已经交叉？

Answer 1

正如Nils Werner已经提到的，numpy的本地ctypes无法保存那么大的数字，但python本身可以，因为int对象使用任意长度的实现。所以可以做的就是告诉numpy不要将数字转换为ctypes而是使用python对象。这将会变慢，但它会起作用。

In [14]: x = np.array([18,30,31,31,15], dtype=object)

In [15]: 150**x
Out[15]: 
array([1477891880035400390625000000000000000000L,
       191751059232884086668491363525390625000000000000000000000000000000L,
       28762658884932613000273704528808593750000000000000000000000000000000L,
       28762658884932613000273704528808593750000000000000000000000000000000L,
       437893890380859375000000000000000L], dtype=object)

在这种情况下，numpy数组不会存储数字本身，而是存储对应的int对象。当你执行算术运算时，它们不会在numpy数组上执行，而是在引用后面的对象上执行我认为你仍然可以使用这种解决方法来使用大多数numpy函数，但它们肯定会比平常慢很多。

但是当你处理大数字时，你会得到什么：D
也许在某个地方有一个库可以更好地处理这个问题。

为了完整起见，如果精度不是问题，你也可以使用浮点数：

In [19]: x = np.array([18,30,31,31,15], dtype=np.float64)

In [20]: 150**x
Out[20]: 
array([  1.47789188e+39,   1.91751059e+65,   2.87626589e+67,
         2.87626589e+67,   4.37893890e+32])

Answer 2

150 ** 28超出了int64变量可以表示的范围（它在8e60的大概中，而无符号int64的最大可能值大约为18e18）。

Python可能正在使用任意长度的整数实现，但NumPy没有。

正确推断，负数是int溢出的症状。

将大数量放入numpy数组中

2 个答案: