Python运行时警告：在长标量中遇到溢出

我是编程新手。在我最新的Python 2.7项目中，我遇到了以下问题：

RuntimeWarning:在长\u标量中遇到溢出

有人能详细说明这意味着什么，我能做些什么来解决这个问题吗

代码可以运行，但我不确定忽略警告是否是个好主意

它发生在如下附加过程中：

SomeList.append(VeryLongFormula)

---

下面是一个发出相同警告的示例：

import numpy as np
np.seterr(all='warn')
A = np.array([10])
a=A[-1]
a**a

屈服

RuntimeWarning: overflow encountered in long_scalars

在上面的例子中，发生这种情况是因为

a

是dtype

int32

，并且

int32

中可存储的最大值是2**31-1。由于

10**10>2**32-1

，因此求幂运算产生的数值大于

int32

中可存储的数值

请注意，您不能依靠

np.seterr（all='warn'）

来捕获所有溢出 numpy中的错误。例如，在32位NumPy上

>>> np.multiply.reduce(np.arange(21)+1)
-1195114496

在64位NumPy上时：

>>> np.multiply.reduce(np.arange(21)+1)
-4249290049419214848

虽然这也是由于溢出错误造成的，但两者都会在没有任何警告的情况下失败。正确答案是21！相等于

In [47]: import math

In [48]: math.factorial(21)
Out[50]: 51090942171709440000L

,

与真正的浮点错误不同（硬件FPU设置 旗帜 无论何时它执行原子操作（溢出），我们都需要 我们自己实现整数溢出检测。我们是在星期天做的 这个 标量，但不是数组，因为实现起来太慢 对于 数组上的每个原子操作

---

因此，选择合适的

d类型

是您的负担，这样就不会有操作溢出。

克服此问题的简单方法是使用64位类型

list = numpy.array(list, dtype=numpy.float64)

---

请出示一个演示此问题的标签好吗？您包括了numpy标签。你的问题中没有任何东西表明你是努比。您没有包含允许我们重现错误的代码。请这样做。可能重复的谢谢！如何定义所需的数据类型？您可以在创建numpy数组时设置

dtype

。例如，在我上面的示例中，您可以通过设置来避免溢出错误：

A=np.array（[10]，dtype='int64'）

这里是一个。非常感谢！！！我将变量AF和RT转换成float64:

AF=np.float64（AF）

，警告消失了。@Zelphir:谢谢你指出这一点。您是正确的--在32位操作系统上，

np.multiply.reduce（np.arange（17）+1）

返回

-28852240

（），但在64位操作系统上，它返回正确答案，

355687428096000

。我将上面帖子中的示例更改为

np.multiply.reduce（np.arange（21）+1）

，它在32位和64位操作系统上都会溢出。