Python 确实可以左移大整数位
1L << 100
# 1267650600228229401496703205376L
但是 NumPy 貌似有问题：
a = np.array([1,2,100])
output = np.left_shift(1L,a)
print output
# array([ 2, 4, 68719476736])
有没有办法使用 NumPy 的 left_shift 操作来克服这个问题？单独访问数组元素会产生同样的错误结果：
1L << a[2]
# 68719476736
【问题讨论】：
标签： python arrays python-2.7 numpy bit-shift
Python long 值与 a 中保存的整数类型不同。具体来说，Python long 的值不限于 32 位或 64 位，而是可以占用任意数量的内存。
另一方面，NumPy 会将a 创建为int32 或int64 整数值的数组。当你左移这个数组时，你会得到一个相同数据类型的数组。这没有足够的内存来保存1 << 100，并且左移的结果会溢出它在数组中分配的内存，从而产生不正确的结果。
要保存这么大的整数，您必须指定a 才能拥有object 数据类型。例如：
>>> np.left_shift(1, a.astype(object))
array([2, 4, 1267650600228229401496703205376L], dtype=object)
object 数组可以包含不同类型的混合，包括无限大小的 Python long/integer 值。然而，当使用object 数组时，同构数据类型 NumPy 数组的许多性能优势将丢失。
【讨论】：
int，但文档使用integer 在某种程度上作为int 的同义词）。 longs 按照您的描述行事。也就是说，这里的代码使用long 类型，如果你的文字对于int 来说太大，python 使用long。你的说法让我很困惑，我想让其他人看看docs.python.org/2/library/…
long 类型已经消失（我现在看到问题被标记为 Python 2.7）。
long 类型在 Python 3 中消失了”可能会产生误导。在 Python 3 中，内置的 int 类型没有理论上的大小上限，因此基本上 long 已集成到 int 中。
鉴于您创建的数组a，output 的元素将是整数。与 Python 本身不同，numpy darray 中的整数是固定大小的，具有定义的最大值和最小值。
numpy 通过将移位取模整数的长度 64 位 (100 mod 64 == 36) 减少移位来达到给定的值 (2 ** 36)。
【讨论】：
这也是一个带有 64 位 Python 的issue，只是出现问题的整数更大。如果你运行a[2]=1L << a[2]，你会得到这个 Traceback ：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
OverflowError: Python int too large to convert to C long
所以正如回溯所说 Python int too large to convert to C long ，所以你需要将数组类型（实际上是 C 结构）更改为 python 对象：
>>> a = np.array([1,2,100],dtype='O')
>>> a[2]=1L << a[2]
>>> a
array([1, 2, 1267650600228229401496703205376L], dtype=object)
【讨论】：