考虑以下几点：
>>> import numbers
>>> import numpy
>>> a = numpy.int_(0)
>>> isinstance(a, int)
False
>>> isinstance(a, numbers.Integral)
True
>>> b = numpy.float_(0)
>>> isinstance(b, float)
True
>>> isinstance(b, numbers.Real)
True
NumPy 的numpy.int_ 和numpy.float_ 类型都在Python 的numeric abstract base class hierarchy 中，但我很奇怪np.int_ 对象不是内置@987654326 的实例@ 类，而 np.float_ 对象是内置 float 类型的实例。
为什么会这样？
【问题讨论】：
Python 整数可以是任意长度：type(10**1000) 仍然是 int，如果你输出它，它会在屏幕上打印出一个 1 和 1000 个 0。
Numpy int64（这是我机器上的 int_）是由 8 个字节（64 位）表示的整数，超过此值的任何内容都无法表示。例如，np.int_(10)**1000 会给你一个错误的答案 - 但很快;)。
因此，它们是不同种类的数字；将一个子类化到另一个子类与将int 子类化在float 下一样有意义，这是我假设numpy 人们的想法。最好将它们分开，以免混淆它们是不明智的。
拆分是因为任意大小的整数很慢，而numpy 试图通过坚持机器友好的类型来加速计算。
另一方面，浮点是标准的 IEEE 浮点，在 Python 和 numpy 中，我们的处理器都支持开箱即用。
【讨论】：
因为numpy.int_() 实际上是 64 位，而int 可以有任意大小，所以它每输入 2^30 位会使用大约 4 个额外字节。int64 具有恒定大小：
>>> import numpy as np
>>> a = np.int_(0)
>>> type(a)
<type 'numpy.int64'>
>>> b = 0
>>> type(b)
<type 'int'>
【讨论】：
a = np.float_(0) 的类型是numpy.float64，但它仍然是float 的一个实例。我的问题可以改写为“为什么numpy.float64 是float 的子类，但numpy.int64 不是int 的子类？”
int 可以有任意大小，每输入 2^30 个比特，它就会使用大约 4 个额外字节。int64 具有恒定大小。