Scipy.stats.binom大n值报错：无法安全转换int64到int32

问题本质 #

这不是本地配置错误，也不是Scipy的bug，而是Windows平台Numpy的底层实现限制：
Scipy的binom.rvs()最终会调用Numpy的random_state.binomial()函数，而Windows版本的Numpy中，该函数的n参数被限制为32位有符号整数（最大值为2^31-1=2147483647）。当你输入的n=2147483648超过这个上限时，就会触发int64转int32的安全类型转换错误。

为何在线解释器能运行 #

在线解释器通常采用Linux/macOS平台，这些平台的Numpy对n参数的限制是64位整数，因此可以支持更大的数值；而你本地的Windows环境，即便使用64位Python，Numpy的该函数底层仍保留了32位的限制（这是Numpy在Windows平台的历史遗留问题，部分旧版本未修复）。

排查验证步骤 #

• 直接测试Numpy的核心函数，确认问题根源：

  import numpy as np
  np.random.binomial(2147483648, 0.5)
  

  运行后会触发与Scipy完全一致的错误，证明问题出在Numpy而非Scipy。
• 切换到Linux/macOS环境执行你的Scipy代码，会发现可以正常运行，验证平台差异导致的限制。

解决方法 #

1. 升级Numpy版本：
   较新的Numpy版本（如1.24及以上）已经修复了Windows平台的这个限制，支持64位的n参数。执行升级命令：

   pip install --upgrade numpy
   

2. 近似生成样本：
   若暂时无法升级Numpy，可利用大n下二项分布的正态近似特性生成样本（当n很大且p不极端时，二项分布B(n,p)近似于正态分布N(np, np(1-p))）：

   import numpy as np
   n = 2147483648
   p = 0.5
   mu = n * p
   sigma = np.sqrt(n * p * (1 - p))
   # 生成样本后取整，并限制在0到n的范围内
   samples = np.random.normal(mu, sigma, size=10).round().clip(0, n)
   

关于其他分布的类似问题 #

你测试的poisson出现类似错误，也是因为其底层调用的Numpy随机函数在Windows平台存在32位整数限制；而boltzmann无此问题，是因为它的实现未依赖Numpy的这些受限函数。

内容的提问来源于stack exchange，提问作者Herman Powers