为何使用np.arange参数与int字面量调用函数时计算结果不同？

你遇到的问题核心是numpy整数溢出。np.arange(46000, 47000, 100)默认生成int32类型数组，而46400**2 = 2152960000，这个值超过了int32的最大值（2147483647），导致整数溢出，计算结果变成负数，最终整个函数输出错误的-298左右的值。而直接调用f(46400)时，Python用的是任意精度的原生整数，不会出现溢出，所以结果正确。

有几种简单的修复方式：

• 生成数组时指定浮点类型：

  import numpy as np
  f = lambda a: 6.91581104e-08 * (a**2) + (-6.00953365e-03) * a + 1.28878592e+02
  arr = np.arange(46000, 47000, 100, dtype=np.float64)
  result_dict = {x: f(x) for x in arr}
  

  这样数组元素是浮点型，计算时不会溢出。

• 在函数内部把参数转为浮点型：

  f = lambda a: 6.91581104e-08 * (float(a)**2) + (-6.00953365e-03) * float(a) + 1.28878592e+02
  arr = np.arange(46000, 47000, 100)
  result_dict = {x: f(x) for x in arr}
  

  强制转换后，计算用的是浮点运算，避免整数溢出。

• 改用np.linspace生成浮点数组（效果和指定dtype类似）：

  arr = np.linspace(46000, 46900, 10, dtype=np.float64)
  

  这里10是因为46000到46900步长100共10个值，和原arange结果一致。

内容的提问来源于stack exchange，提问作者Juin ss