NumPy中uint8数组相减数据类型错误、结果越界的解决方法

问题复现 #

现有两个维度一致的NumPy数组，属性查询代码与输出如下：

• 属性查询代码

print(arr1.shape)
print(arr1.dtype)
print(arr2.shape)
print(arr2.dtype)

• 运行输出

(500, 500)
uint8
(500, 500)
uint8

直接执行减法运算sub = arr1 - arr2时结果错误：两个数组均为uint8（无符号8位整数）类型，NumPy对同数据类型数组做运算时，会默认沿用原类型输出结果，而uint8的取值范围仅为0~255，既无法存储负值，也无法存储超出255的运算结果，当arr2元素值大于arr1时就会触发数值溢出，得到无意义的错误值。该问题和运算复杂度无关，只要输入数组是uint8类型，哪怕第一步是简单减法，也会先触发溢出，后续再复杂的计算全是基于错误值推导的。

最佳处理方式 #

核心原则：所有数值运算开展前，先将数组转换为可覆盖全部可能运算结果的数值类型，从根源避免溢出，不要等运算出异常再做结果修正。

• 若后续运算全为整数运算，优先转成int16类型：int16取值范围为-32768_{32767，完全覆盖uint8之间加减乘除所有可能的结果范围（-255}65025），内存占用仅比原uint8高一倍，远低于浮点类型的开销。

  import numpy as np
  # 运算前统一做类型转换
  arr1 = arr1.astype(np.int16)
  arr2 = arr2.astype(np.int16)
  # 后续不管是减法还是更复杂的整数公式，都不会出现uint8溢出问题
  sub = arr1 - arr2
  

• 若后续运算包含除法、开方等会产生小数的操作，或者运算结果数值范围更大，直接转成float32类型即可，不用额外考虑整数边界问题：

  arr1 = arr1.astype(np.float32)
  arr2 = arr2.astype(np.float32)
  sub = arr1 - arr2
  

避坑提示：不要只在单次运算里临时做类型转换，比如写arr1.astype(np.int16) - arr2虽然单次减法能得到正确结果，但arr1、arr2本身还是uint8类型，后续其他步骤用到原数组时依然会触发溢出。最稳妥的做法是数组加载完成后，第一时间统一转换为适合运算的dtype，再推进后续所有计算流程。

内容的提问来源于stack exchange，提问作者Flash Thunder