Python中np.power(int型数组,3)结果异常与浮点型结果不同的原因是什么？

核心原因：固定精度整数溢出 #

• 当你指定数组dtype=int时，NumPy会根据系统分配固定长度的整数类型，多数64位系统下对应np.int64，其可表示的数值范围为[-2^63, 2^63 - 1]，最大值约为9.22e18。
• 你的数组执行a = a * 1000后，最小元素为6.7e6，三次方计算结果约为3e20，已经远大于np.int64的最大可表示值。NumPy的整数运算默认不会自动提升数据类型，溢出后会按照模2^位数的规则截断数值，甚至会因为符号位被覆盖出现负数，这就是你得到错误计算结果的原因，**运算符和np.power函数的整数运算逻辑一致，所以返回结果相同。

浮点类型计算正常的原因 #

当你指定数组dtype=float时，默认对应np.float64类型，它的正数值可表示范围约为2.2e-308 ~ 1.8e308，完全可以覆盖你运算得到的1e20 ~ 1e23量级的结果，不会出现溢出问题，所以计算结果正确。

小提示：如果需要保留整数属性且避免溢出，可以将数组设置为dtype=object使用Python原生的任意精度整数，缺点是会牺牲NumPy的向量化运算性能。

内容的提问来源于stack exchange，提问作者Fernando Aguado