问Python RuntimeWarning:长标量中遇到的溢出

EN

下面是一个发出同样警告的示例：

import numpy as np
np.seterr(all='warn')
A = np.array([10])
a=A[-1]
a**a

收益率

RuntimeWarning: overflow encountered in long_scalars

在上面的示例中，之所以会出现这种情况，是因为a是dtype int32，而int32中可存储的最大值为2**31-1。自10**10 > 2**32-1以来，指数的结果是一个比可以存储在int32中的数字更大。

请注意，不能依赖np.seterr(all='warn')捕获numpy中的所有溢出错误。例如，在32位NumPy上

>>> np.multiply.reduce(np.arange(21)+1)
-1195114496

而在64位NumPy上：

>>> np.multiply.reduce(np.arange(21)+1)
-4249290049419214848

两者都在没有任何警告的情况下失败，尽管这也是由于溢出错误造成的。正确的答案是21！等于

In [47]: import math

In [48]: math.factorial(21)
Out[50]: 51090942171709440000L

根据numpy开发者的说法，Robert Kern，

不像真正的浮点错误(硬件FPU在执行溢出的原子操作时设置一个标志)，我们需要自己实现整数溢出检测。我们在标量上这样做，但不是数组，因为对数组上的每个原子操作实现起来都太慢了。

因此，您需要选择适当的dtypes，这样操作就不会溢出。

克服这个问题的一个简单方法是使用64位类型的。

list = numpy.array(list, dtype=numpy.float64)