pandas整数运算为何静默溢出？两种溢出行为差异解惑

我有一个包含超大整数的列表，需要将其转换为指定dtype的pandas列。比如列表里有2**31（超出int32的范围），转换为int32时会直接抛出OverflowError：

import pandas as pd
pd.Series([2**31], dtype='int32')

# 报错：OverflowError: Python int too large to convert to C long

但如果数值本身在int32范围内（比如2**31-1），对它执行加法运算后超出范围时，不会抛出任何错误，结果会变成错误的反转值：

pd.Series([2**31-1], dtype='int32') + 1

0   -2147483648
dtype: int32

这两种情况为什么会有差异？为什么运算溢出时不触发和初始化转换相同的报错？
（环境：pandas 2.1.1、numpy 1.26.0、Python 3.12.0）

原因分析 #

这两种场景的差异本质是类型转换阶段的校验逻辑和数值运算阶段的底层行为不同：

1. 初始化转换时的报错逻辑
   当创建pd.Series并指定dtype='int32'时，pandas会尝试把任意精度的Python int对象转换为固定范围的numpy int32类型。此时pandas会执行严格的范围检查：如果Python int的值超出了目标dtype的合法范围（int32为 -2^31 到 2^31-1），就会直接抛出OverflowError，拒绝完成无效的类型转换。

2. 运算时的无报错溢出逻辑
   当对已有的int32类型Series执行运算时，底层计算由numpy负责。numpy的整数运算默认遵循补码环绕溢出规则：当运算结果超出当前dtype的范围时，不会触发Python层面的报错，而是自动对结果取模（以该dtype的取值范围为模），生成一个“循环”后的数值。比如int32的最大值2^31-1加1后，会绕回int32的最小值-2^31，这是底层补码整数运算的标准行为。

简单总结：初始化阶段是Python对象到numpy dtype的跨类型转换，pandas会做显式校验；运算阶段是numpy内部的同类型数值计算，遵循其默认的溢出处理规则，因此不会报错。

内容的提问来源于stack exchange，提问作者cottontail