numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32

Posted 2023-03-29

【中文标题】numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32

【英文标题】：numpy array dtype is coming as int32 by default in a windows 10 64 bit machine

【发布时间】：2016-07-16 16:06:57

【问题描述】：

我在笔记本电脑上安装了 Anaconda 3 64 位，并在 Spyder 中编写了以下代码：

import numpy.distutils.system_info as sysinfo
import numpy as np
import platform

sysinfo.platform_bits 
platform.architecture()

my_array = np.array([0,1,2,3])
my_array.dtype

这些命令的输出显示如下：

sysinfo.platform_bits 
Out[31]: 64

platform.architecture()
Out[32]: ('64bit', 'WindowsPE')

my_array = np.array([0,1,2,3])
my_array.dtype
Out[33]: dtype('int32')

我的问题是，即使我的系统是 64 位的，为什么默认数组类型是 int32 而不是 int64？

感谢任何帮助。

【参考方案1】：

默认整数类型np.int_是C long：

http://docs.scipy.org/doc/numpy-1.10.1/user/basics.types.html

但是 C long 在 win64 中是 int32。

https://msdn.microsoft.com/en-us/library/9c3yd98k.aspx

这有点奇怪。

【参考方案2】：

在 Microsoft C 中，即使在 64 位系统上，long int 数据类型的大小也是 32 位。 （例如，参见https://msdn.microsoft.com/en-us/library/9c3yd98k.aspx。）Numpy 从 C 编译器的 long int 继承整数的默认大小。

【讨论】：

int 在 Linux 上的大小也是 32 位

@SeverinPappadeux 谢谢——我应该更明确地说明用作默认 numpy 整数的 C 数据类型。我已经更新了我的答案。在 64 位 Linux 系统上，long int 是 64 位。

那有什么理由不使用 np.int64 吗？

【参考方案3】：

原始海报 Prana 提出了一个非常好的问题。 “为什么在 64 位机器上整数默认设置为 32 位？”

据我所知，简短的回答是：“因为它设计错误”。 似乎很明显，64 位机器应该在任何关联的解释器中默认定义一个整数为 64 位。但是，当然，这两个答案解释了为什么情况并非如此。现在情况不同了，所以我提供了这个更新。

我注意到，对于 CentOS-7.4 Linux 和 MacOS 10.10.5（新旧），运行 Python 2.7.14（带有 Numpy 1.14.0 ），（截至 2018 年 1 月），默认整数现在定义为 64 位。 （初始示例中的“my_array.dtype”现在将在两个平台上报告“dtype('int64')”。

在任何解释器中使用 32 位整数作为默认整数，如果您在进行整数数学运算，可能会导致非常奇怪的结果，正如这个问题所指出的：

Using numpy to square value gives negative number

现在看来，Python 和 Numpy 已经更新和修订（已更正，有人可能会争辩），因此为了重现上述问题中描述的问题，您必须将 Numpy 数组显式定义为 int32。

在 Python 中，现在在两个平台上，默认整数看起来都是 int64。此代码在两个平台（CentOS-7.4 和 MacOSX 10.10.5）上运行相同：

>>> import numpy as np
>>> tlist = [1, 2, 47852]
>>> t_array = np.asarray(tlist)
>>> t_array.dtype

dtype('int64')

>>> print t_array ** 2

[ 1 4 2289813904]

但如果我们将 t_array 设为 32 位整数，则会得到以下结果，因为整数计算会滚动 32 位字中的符号位。

>>> t_array32 = np.asarray(tlist, dtype=np.int32)
>>> t_array32.dtype

dtype*('int32')

>>> print t_array32 ** 2

[ 1 4 -2005153392]

使用int32的原因当然是效率。在某些情况下（例如使用 TensorFlow 或其他神经网络机器学习工具），您希望使用 32 位表示（当然主要是浮点数），因为与使用 64 位浮点数相比，速度增益可能相当大意义重大。

【讨论】：

Numpy 在 64 位 Linux 和 OSX 上默认总是使用 64 位整数，问题只有 Windows :)

谢谢，@gemesyscanada。我的 Python 和 Numpy 版本分别是 3.7.3 和 1.16.5。我仍然遇到同样的问题。有什么建议或方法来解决这个问题吗？

【参考方案4】：

entelkedi，您可以将数组显式转换为所需的数据类型，如下所示：

int64_array = int32_array.astype(np.int64)

【参考方案5】：

您可以创建数据类型设置为 int64 的数组。例如，

#Windows uses int32 by default, but if we want int64, we can tell it to
x = np.array([1, 2, 3, 4, 5], dtype=np.int64)