Python中如何计算大数幂取模？numpy计算结果异常求助

问题现象 #

执行以下代码时，输出结果为0，但预期结果应为153：

import numpy as np
m = np.mod(np.power(96, 17), 703)
print(m)

问题原因 #

numpy的np.power在计算超大指数的幂时，会因数值精度溢出导致结果失真。96^17是一个极大的整数，超出了numpy默认数值类型的精度范围，计算过程中出现精度丢失，最终取模得到错误结果。

解决方案 #

1. 使用Python原生整数运算（推荐单个元素场景）

Python原生整数支持任意精度，直接用**幂运算符和%取模运算符即可得到正确结果：

m = (96 ** 17) % 703
print(m)  # 输出153

2. 分步模运算（适合数组/矩阵批量处理）

利用模运算的性质(a*b) mod m = [(a mod m)*(b mod m)] mod m，通过分步计算避免生成超大数，同时适配numpy的向量化操作：

import numpy as np

def vectorized_mod_power(base, exp, mod):
    result = np.ones_like(base)
    base = base % mod
    current_exp = exp
    while current_exp > 0:
        # 当指数为奇数时，将当前底数乘入结果
        if current_exp % 2 == 1:
            result = (result * base) % mod
        # 底数平方，指数折半
        base = (base * base) % mod
        current_exp = current_exp // 2
    return result

# 单个元素测试
m = vectorized_mod_power(96, 17, 703)
print(m)  # 输出153

# 数组场景示例
bases = np.array([96, 50])
exps = np.array([17, 10])
mods = np.array([703, 100])
results = vectorized_mod_power(bases, exps, mods)
print(results)  # 输出 [153  0]

内容的提问来源于stack exchange，提问作者Dr Simhachalam