Python RuntimePolice: 长标量中遇到的溢出

小开

最佳答案

下面是一个发出同样警告的例子:

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

产量

RuntimeWarning: overflow encountered in long_scalars

在上面的例子中，发生这种情况是因为 a是 dtype int32，而 int32中可存储的最大值是2 * * 31-1。从 10**10 > 2**32-1开始，指数化的结果是一个大于可以存储在 int32中的数字。

请注意，您不能依赖于 np.seterr(all='warn')来捕获所有溢出在 NumPy 中出现错误。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

尽管也是由于溢出错误，但两者都在没有任何警告的情况下失败。正确答案是21！等于

In [47]: import math


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

与真正的浮点错误不同(其中硬件 FPU 设置旗帜无论何时进行溢出的原子操作) ，我们都需要我们自己实现了整数溢出检测的而不是数组，因为它实现起来太慢了为了数组上的每个原子操作。

因此，选择适当的 dtypes以避免操作溢出是您的责任。