Numpy中整数与浮点数相乘的类型提升问题

你的问题核心在于Numpy对超出目标数值类型精度范围的Python标量的类型处理逻辑，相关内容可以在以下Numpy官方文档部分找到：

• 类型提升（Type Promotion）规则
  当Python整数的精度超过数组 dtype 的可表示范围时，Numpy无法将该整数无损转换为对应数值类型，为了避免精度丢失，会将数组 dtype 提升为object，以存储原始的Python int对象。这部分逻辑在Numpy的类型提升文档中有明确说明，重点关注「Python标量与数组的交互」小节。

• float64数据类型的精度限制
  float64（双精度浮点数）能精确表示的最大整数是2**53（约9.007e15），超过这个值的整数无法用float64精确存储。10**19虽比2**53大，但Numpy做了隐式转换（允许精度损失），而10**20超出了Numpy默认允许的精度损失阈值，因此触发object dtype的提升。这部分细节在Numpy的「Data Types」章节中关于浮点数精度的说明里有提到。

• ufunc运算的类型处理
  在Numpy的ufunc（通用函数）文档中，关于标量与数组运算的类型兼容规则部分明确：当标量类型与数组类型无法进行无损转换时，会选择object dtype作为兼容类型，以保留原始数据的精确性。

对比纯Python的行为：纯Python中10**20 * 1.0会直接将整数转为float（即float64），即使会丢失精度——这是因为Python标量运算更倾向于隐式转换，而Numpy数组运算优先保证数据精确性，因此采用了不同的处理逻辑。

内容的提问来源于stack exchange，提问作者Svaberg