为何numpy.int32转换大float32值返回-2^31而非预期值？

这个问题的核心原因分为两部分：单精度浮点数（float32）的精度限制，以及Numpy浮点数转整数的溢出处理规则。

1. float32的精度限制导致数值舍入 #

float32是单精度浮点数，使用23位尾数（加上隐含的1位，共24位有效二进制位），这意味着它无法精确表示所有整数：

• 当整数处于区间[2^30, 2^31)（即1073741824到2147483647）时，float32的最小可表示间隔是2^(30-23)=128，即只能表示128的倍数；
• 当整数大于等于2^31（2147483648）时，间隔变为2^(31-23)=256，只能表示256的倍数。

对应你的示例：

• 2**31-65=2147483583：属于[2^30,2^31)区间，距离最近的128倍数是2147483520（差63），因此np.float32(2**31-65)会被舍入为2147483520.0，这个值在int32的范围内（小于2^31-1），所以转换后得到2147483520；
• 2**31-64=2147483584：同样属于[2^30,2^31)区间，距离2147483520和2147483648的距离都是64，根据float32的“就近舍入，偶值优先”规则，会舍入到更大的2147483648.0；
• 更大的数值如2**31、3e9、3e19：要么本身就是2^31及以上，要么会被舍入到2^31或更大的float32值。

2. Numpy浮点数转int32的溢出处理 #

当浮点数的整数部分超出int32的范围（即大于2^31-1或小于-2^31）时，Numpy会执行模2^32运算，再将结果解释为有符号32位整数：

• 2^31=2147483648，对2^32取模结果仍是2147483648，而这个值作为有符号32位整数的补码表示就是-2147483648（int32的最小值）；
• 所有被舍入到2^31或更大的float32值，经过模2^32运算后，结果都会落在[2^31, 2^32)区间，对应的有符号int32值均为负数，而由于这些大数值被舍入到2^31（或其倍数），最终转换结果就固定为-2147483648。

对于int64的类似行为，原理完全一致：当浮点数超出int64的范围时，Numpy会对2^64取模，再解释为有符号64位整数，因此大正浮点数会转换为负整数值。

内容的提问来源于stack exchange，提问作者Anthony Richardson