numpy初学者数组普通python与numpy向量：错误结果

我对NumPy完全陌生，并尝试了教科书上的代码。不幸的是，在一定的计算规模下，NumPy结果会被搞砸。代码如下：

import sys
from datetime import datetime
import numpy

def pythonsum(n):
    a = range(n)
    b = range(n)
    c = []
    for i in range(len(a)):
        a[i] = i**2
        b[i] = i**3
        c.append(a[i]+b[i])
    return c

def numpysum(n):
    a = numpy.arange(n) ** 2
    b = numpy.arange(n) ** 3
    c = a + b
    return c

size = int(sys.argv[1])
start = datetime.now()
c=pythonsum(size)
delta = datetime.now()-start
print "The last 2 elements of the sum",c[-2:]
print "PythonSum elapsed time in microseconds", delta.microseconds
start = datetime.now()
c=numpysum(size)
delta = datetime.now()-start
print "The last 2 elements of the sum",c[-2:]
print "NumPySum elapsed time in microseconds", delta.microseconds

当大小>=1291时，结果为负值 我正在使用python 2.6、MacOSX 10.6和NumPy 1.5.0 有什么想法吗？

从Numpy 1.5开始

“操作时间-添加向量”中的介绍性示例将仅在允许长整数的64位平台上运行。否则将返回错误的结果：

The last 2 elements of the sum [-2143491644 -2143487647]

要解决此问题，请将幂函数中的整数转换为浮点值，以便转发浮点值。 结果：速度提高了10倍

$python vectorsum.py 1000000

总和的最后两个元素[9.99995000008e+17，9.9999800001E+17]

PythonSum运行时间（微秒）3 59013

总和的最后两个元素[9.9999999e+17 9.999999e+17]

NumPySum运行时间（微秒）0 308598

更正的示例：

导入系统

从日期时间导入日期时间

进口numpy

def numpysum（n）：

def pythonsum（n）： a=范围（n）

size=int（sys.argv[1]）

start=datetime.now（）

c=蟒蛇（大小）

delta=datetime.now（）-start

打印“总和的最后两个元素”，c[-2:]

打印“PythonSum运行时间（微秒）”，增量秒， 增量微秒

start=datetime.now（）

c=numpysum（尺寸）

delta=datetime.now（）-start

打印“总和的最后两个元素”，c[-2:]

打印“以微秒为单位的NumPySum运行时间”，增量秒，增量微秒

代码在这里的pastebin中提供

从Numpy 1.5开始

“操作时间-添加向量”中的介绍性示例将仅在允许长整数的64位平台上运行。否则将返回错误的结果：

The last 2 elements of the sum [-2143491644 -2143487647]

要解决此问题，请将幂函数中的整数转换为浮点值，以便转发浮点值。 结果：速度提高了10倍

$python vectorsum.py 1000000

总和的最后两个元素[9.99995000008e+17，9.9999800001E+17]

PythonSum运行时间（微秒）3 59013

总和的最后两个元素[9.9999999e+17 9.999999e+17]

NumPySum运行时间（微秒）0 308598

更正的示例：

导入系统

从日期时间导入日期时间

进口numpy

def numpysum（n）：

def pythonsum（n）： a=范围（n）

size=int（sys.argv[1]）

start=datetime.now（）

c=蟒蛇（大小）

delta=datetime.now（）-start

打印“总和的最后两个元素”，c[-2:]

打印“PythonSum运行时间（微秒）”，增量秒， 增量微秒

start=datetime.now（）

c=numpysum（尺寸）

delta=datetime.now（）-start

打印“总和的最后两个元素”，c[-2:]

打印“以微秒为单位的NumPySum运行时间”，增量秒，增量微秒

---

代码可以在这里的pastebin中找到

我认为这个线程有一些混乱。纯Python，即非

numpy

，代码工作的原因与32位与64位无关。它可以在任何一种情况下正常工作：Python

int

s可以是任意大小。[背景中有一些实现细节，涉及到它是调用

int

还是

long

，但您不必担心，转换是无缝的。这就是为什么有时您会在数字末尾看到

L

。]

例如：

>>> 2**100
1267650600228229401496703205376L

另一方面，

numpy

integer

dtypes

是固定精度的，对于足够大的数字，无论其宽度有多大，都会失败：

>>> for kind in numpy.int8, numpy.int16, numpy.int32, numpy.int64:
...     for power in 1, 2, 5, 20:
...         print kind, power, kind(10), kind(10)**power
... 
<type 'numpy.int8'> 1 10 10
<type 'numpy.int8'> 2 10 100
<type 'numpy.int8'> 5 10 100000
<type 'numpy.int8'> 20 10 -2147483648
<type 'numpy.int16'> 1 10 10
<type 'numpy.int16'> 2 10 100
<type 'numpy.int16'> 5 10 100000
<type 'numpy.int16'> 20 10 -2147483648
<type 'numpy.int32'> 1 10 10
<type 'numpy.int32'> 2 10 100
<type 'numpy.int32'> 5 10 100000
<type 'numpy.int32'> 20 10 1661992960
<type 'numpy.int64'> 1 10 10
<type 'numpy.int64'> 2 10 100
<type 'numpy.int64'> 5 10 100000
<type 'numpy.int64'> 20 10 7766279631452241920

---

我认为这条线索有些混乱。纯Python，即非

numpy

，代码工作的原因与32位与64位无关。它可以在任何一种情况下正常工作：Python

int

s可以是任意大小。[背景中有一些实现细节，涉及到它是调用

int

还是

long

，但您不必担心，转换是无缝的。这就是为什么有时您会在数字末尾看到

L

。]

例如：

>>> 2**100
1267650600228229401496703205376L

另一方面，

numpy

integer

dtypes

是固定精度的，对于足够大的数字，无论其宽度有多大，都会失败：

>>> for kind in numpy.int8, numpy.int16, numpy.int32, numpy.int64:
...     for power in 1, 2, 5, 20:
...         print kind, power, kind(10), kind(10)**power
... 
<type 'numpy.int8'> 1 10 10
<type 'numpy.int8'> 2 10 100
<type 'numpy.int8'> 5 10 100000
<type 'numpy.int8'> 20 10 -2147483648
<type 'numpy.int16'> 1 10 10
<type 'numpy.int16'> 2 10 100
<type 'numpy.int16'> 5 10 100000
<type 'numpy.int16'> 20 10 -2147483648
<type 'numpy.int32'> 1 10 10
<type 'numpy.int32'> 2 10 100
<type 'numpy.int32'> 5 10 100000
<type 'numpy.int32'> 20 10 1661992960
<type 'numpy.int64'> 1 10 10
<type 'numpy.int64'> 2 10 100
<type 'numpy.int64'> 5 10 100000
<type 'numpy.int64'> 20 10 7766279631452241920

---

嗨-尝试在你的数学计算中加入float（），这样i2就变成了float（i2）numpy。arange（n）**2就是问题所在。python代码很好。因为numpy.arange（）创建了一个向量，所以我不能在它周围使用float（）。因为我已经找到了。。。。a=numpy.arange（n，dtype=numpy.uint64）完成了这个任务。导致错误结果的是32位整数。但是：为什么这在NumPy中是一个问题，而在本机Python 2.6中不是？为什么：这是一个64位对32位的平台问题。最大的32位整数是231，其中最大的64位整数是263。你现在可以在下面的答案上打勾：-）嗨-试着在你的数学计算中加入float（），这样i2就变成了float（i2）numpy。arange（n）**2就是问题所在。python代码很好。因为numpy.arange（）创建了一个向量，所以我不能在它周围使用float（）。因为我已经找到了。。。。a=numpy.arange（n，dtype=numpy.uint64）完成了这个任务。导致错误结果的是32位整数。但是：为什么这在NumPy中是一个问题，而在本机Python 2.6中不是？为什么：这是一个64位对32位的平台问题。最大的32位整数是231，其中最大的64位整数是263。你可以