Python numpy方法是否能正确处理太大而不适合numpy数据类型的数字？

我想知道numpy函数是否可以正确处理大于int64或float128的数字 编辑：应用于任何numpy数组之外的numbers/python对象的numpy函数。比如在列表理解中使用np函数，该函数适用于int128列表的内容

我在他们的文档中找不到任何关于这方面的信息，但我真的不知道该怎么想和期待。从测试来看，它应该可以工作，但我想确定一下，一些琐碎的测试不会有帮助。所以我来这里是为了获取知识：
如果np框架不处理这么大的数字，它的函数是否能够处理这些问题

编辑：对不起，我不清楚。请参见上面的编辑

---

提前感谢。

您可以拥有python对象的numpy数组，它可能是一个太大的python整数，无法放入np.int64中。numpy的一些功能可以工作，但许多函数调用底层c代码，但这些代码无法工作。以下是一个例子：

import numpy as np
a = np.array([123456789012345678901234567890]) # a has dtype object now
print((a*2)[0])  # Works and gives the right result
print(np.exp(a)) # Does not work, because "'int' object has no attribute 'exp'"

---

一般来说，大多数功能可能会因为您的超大数字而丢失。另外，正如已经指出的，当您有一个数据类型为np.int64或类似的数组时，当您将数组元素的大小增加到超过该类型的限制时，就会出现溢出问题。使用numpy时，必须小心数组的数据类型

您可以拥有python对象的numpy数组，它可能是一个太大的python整数，无法放入np.int64中。numpy的一些功能可以工作，但许多函数调用底层c代码，但这些代码无法工作。以下是一个例子：

import numpy as np
a = np.array([123456789012345678901234567890]) # a has dtype object now
print((a*2)[0])  # Works and gives the right result
print(np.exp(a)) # Does not work, because "'int' object has no attribute 'exp'"

---

一般来说，大多数功能可能会因为您的超大数字而丢失。另外，正如已经指出的，当您有一个数据类型为np.int64或类似的数组时，当您将数组元素的大小增加到超过该类型的限制时，就会出现溢出问题。使用numpy时，必须小心数组的数据类型

当将数字存储到数据类型不足以存储的numpy数组中时，会出现截断或错误

arr = np.empty(1, dtype=np.int64)
arr[0] = 2**65
arr

给出

溢出错误：Python int太大，无法转换为C long

arr = np.empty(1, dtype=float16)
arr[0] = 2**64
arr

给出

inf

（无错误）

---

给出了

[32768.]

（即2**15），因此发生了截断。对于float128，这种情况更难发生…

当将数字存储到数据类型不足以存储它的numpy数组中时，您将得到截断或错误

arr = np.empty(1, dtype=np.int64)
arr[0] = 2**65
arr

给出

溢出错误：Python int太大，无法转换为C long

arr = np.empty(1, dtype=float16)
arr[0] = 2**64
arr

给出

inf

（无错误）

---

给出了

[32768.]

（即2**15），因此发生了截断。如果使用float128，则更难做到这一点。

请参阅Numpy文档中的扩展精度标题。对于非常大的数字，您还可以创建一个数组，将

dtype

设置为

'object'

，这基本上允许您在大数字上使用Numpy框架，但性能低于使用本机类型。但是，正如前面所指出的，当您尝试调用数组中保存的特定对象不支持的函数时，这将中断

import numpy as np

arr = np.array([10**105, 10**106], dtype='object')

---

但简单的回答是，使用这些大数字时，您可能会并且将会出现意外行为，除非您特别注意考虑它们。

请参阅Numpy文档中的扩展精度标题。对于非常大的数字，您还可以创建一个数组，将

dtype

设置为

'object'

，这基本上允许您在大数字上使用Numpy框架，但性能低于使用本机类型。但是，正如前面所指出的，当您尝试调用数组中保存的特定对象不支持的函数时，这将中断

import numpy as np

arr = np.array([10**105, 10**106], dtype='object')

---

但简单的回答是，除非您特别注意考虑这些大数字，否则在使用这些大数字时，您可能会并且将会得到意外的行为。

对不起，我的意思是，如果这些大数字的格式比numpy数据类型的限制更高，那么它们是否适用于python对象（就像python int可以适应128位格式，如果需要的话）？对不起，我想问一下，当python对象适应int128这样的格式时，它们是否可以工作在python对象上，而不是numpy数据类型的限制（就像python int可以适应128位格式，如果需要的话）？