Python中numpy.int32与原生int处理差异致斐波那契计算异常求解

核心本质：numpy 定长整数类型溢出 #

• Python 原生 int 是任意精度整数，没有存储空间上限，运算时永远不会发生溢出。
• Numpy 的数值类型是和 C 语言原生数值类型绑定的定长类型：np.int32 代表 32 位有符号整数，可表示的数值范围为 -2^31 ~ 2^31-1，也就是 -2147483648 ~ 2147483647，一旦运算结果超出这个范围就会发生高位截断，按补码规则返回溢出后的错误值。

复现结果的具体逻辑 #

斐波那契第 46 项的计算结果为 1836311903，小于 32 位有符号整数最大值 2147483647，因此 n ≤ 46 时结果正常；第 47 项的正确结果为 2971215073，已经超出 np.int32 的表示范围，溢出后按补码规则计算的结果刚好就是你观察到的 -1323752223。

当你传入 np.int32(47) 作为参数时，整个递归过程的所有参数和运算都会沿用 np.int32 类型：np.int32 做加减运算的返回值还是 np.int32，溢出规则全程遵循 numpy 定长类型的逻辑，和 Python 原生 int 的运算规则完全隔离。

其他现象的解释 #

1. np.int(47) 输入正常的原因：np.int 已经是 numpy 废弃的别名，它本质就是 Python 原生 int 的别名，不属于 numpy 定长数值类型，运算逻辑和原生 int 完全一致，自然不会溢出。
2. 缓存不影响结果的原因：问题根因是运算过程中的类型溢出，和缓存是否存在没有关联，哪怕关闭缓存逐次计算，只要运算用的是 np.int32 类型，到第 47 项依然会溢出。
3. 加 n = int(n) 能解决问题的原因：这一步强制把输入的 np.int32 转换成了 Python 原生任意精度 int，后续所有递归调用的参数、运算全都是原生 int 逻辑，不会再发生溢出。

内容的提问来源于stack exchange，提问作者Mark Burgoyne