如何将任意精度float的numpy object数组转整数并避免溢出

你的问题出在numpy的astype(int)会尝试将值转换为C语言的long类型，而计算后的大数值超出了该类型的范围，导致溢出错误。要在不损失精度的前提下完成转换，需要保留Python原生大整数的支持，保持数组的object dtype。

以下是两种可行方案：

方案1：列表推导式逐个转换 #

直接遍历数组元素，将每个值转为Python原生int：

b_int = np.array([int(x) for x in b], dtype=object)

如果计算后的b元素是Decimal类型（任意精度常用类型），int(x)也能正确转换；若是Python float，只要原始计算无精度损失，转换后不会丢失信息。

方案2：用np.vectorize包装转换逻辑 #

对于大型数组，用vectorize可以让写法更贴合numpy风格：

convert_to_pyint = np.vectorize(int, otypes=[object])
b_int = convert_to_pyint(b)

转换后的数组仍为object dtype，每个元素都是支持任意大小的Python整数，不会出现溢出。

额外注意 #

• 避免使用np.int64等numpy内置整数类型，它们受限于C语言数值范围，依然会触发溢出。
• 若需要四舍五入而非直接截断小数，可将int(x)替换为int(round(x))，确保取整逻辑符合需求。

内容的提问来源于stack exchange，提问作者sven