为何Numpy乘积结果相乘时会出现溢出错误？

这个溢出问题的核心是Numpy固定位宽整数类型与Python原生任意精度整数的差异，具体细节如下：

为什么会触发溢出警告？ #

在你使用的旧版本Numpy（对应Python 3.6的Numpy版本通常在1.11~1.14区间）中，np.prod()处理整数输入时，默认会使用Numpy的平台默认整数类型np.int_。而在Windows平台上，np.int_对应的是32位有符号整数（int32），它的取值范围是-2^31到2^31-1（也就是-2147483648到2147483647）。

你的两个计算结果：

• self.value_1 = 262144（512*512）
• self.value_2 = 80160（1002*80）

它们的乘积是262144 * 80160 = 21013463040，这个数值远远超过了int32的最大值2147483647。当两个Numpy int32类型的数相乘时，会触发整数溢出，导致结果变成负数（这是补码溢出的典型表现），同时抛出RuntimeWarning。

而你用普通乘法得到的self.alt_value_1和self.alt_value_2是Python原生的int类型，Python的int是任意精度的，无论数值多大都不会发生溢出，所以相乘能得到正确结果。

如何直接修复现有代码？ #

有两种简单的方式可以解决这个问题：

1. 给np.prod()指定更大的整数类型 #

通过dtype参数指定使用64位整数（np.int64），它的最大值是9223372036854775807，完全能容纳你的乘积：

self.value_1 = np.prod(self.array_1.shape, dtype=np.int64)
self.value_2 = np.prod(self.array_2.shape, dtype=np.int64)

2. 将np.prod()的结果转换为Python原生int #

把Numpy返回的整数类型转换成Python的int，后续相乘就会使用Python的任意精度运算：

self.value_1 = int(np.prod(self.array_1.shape))
self.value_2 = int(np.prod(self.array_2.shape))

两种方式都能彻底解决溢出问题，你可以根据项目需求选择。

内容的提问来源于stack exchange，提问作者Folau