使用 numpy 平方值给出负数答案

【问题标题】：Using numpy to square value gives negative number使用 numpy 平方值给出负数
【发布时间】：2017-06-06 01:20:48
【问题描述】：

我正在尝试使用 numpy 对数组进行元素平方。我注意到一些值显示为负数。平方值不接近最大 int 限制。有谁知道为什么会发生这种情况以及我该如何解决？我宁愿避免使用 for 循环对数组元素进行平方，因为我的数据集非常大。

下面是正在发生的事情的一个例子：

import numpy as np

test = [1, 2, 47852]
sq = np.array(test)**2
print(sq)
print(47852*47852)

输出：

[1,4, -2005153392]
2289813904

【问题讨论】：

这很奇怪；当我输入代码时，我得到了正确的答案。您是否尝试过使用 numpy 的 square 函数？ sq = np.square(np.array(test)) 问题仍然存在吗？
这种情况很少见，我没遇到过问题：[1 4 2289813904] 2289813904
更奇怪；这两种方法都适用于我的笔记本电脑，但两种方法在我的 Raspberry Pi 上都失败了（我得到的结果与你在 Pi 上的结果相同）。
你的电脑是什么架构的？，32位还是64位
@Mitch 下面的回答是正确的。奇怪的是，我的笔记本电脑（可以工作）和 Pi（不工作）都使用 64 位处理器；笔记本电脑是 x86，pi 使用 ARM Cortex-A53。我不会担心 64 位内核上的溢出错误——很高兴看到这篇文章。

【解决方案1】：

这是因为 NumPy 不检查整数溢出 - 可能是因为这会减慢每个整数运算，而 NumPy 的设计考虑到了效率。所以当你有一个 32 位整数数组并且你的结果不适合 32 位时，它仍然被解释为 32 位整数，给你一个奇怪的负结果。

为避免这种情况，您可以注意安全执行操作所需的dtype，在这种情况下'int64' 就足够了。

>>> np.array(test, dtype='int64')**2
2289813904

您没有看到与 Python int 相同的问题，因为 Python 会检查溢出并在必要时相应地调整为更大的数据类型。如果我记得，邮件列表上有一个关于这个的问题，回复是如果在 NumPy 中执行同样的操作，将对原子数组操作产生很大的性能影响。

至于为什么您的默认整数类型在 64 位系统上可能是 32 位，就像在相关问题上的 Goyo answered 一样，默认整数 np.int_ 类型 is the same as C long，即取决于平台，但可以是 32 位。

【讨论】：