如何处理 NumPy 中的大整数？答案

【问题标题】：How to deal with large integers in NumPy?如何处理 NumPy 中的大整数？
【发布时间】：2022-01-17 19:03:20
【问题描述】：

我正在做一个数据分析项目，我正在处理非常大的数字。我最初用纯 python 做所有事情，但现在我尝试用 numpy 和 pandas 来做。但是，我似乎遇到了障碍，因为无法在 numpy 中处理大于 64 位的整数（如果我在 numpy 中使用 python int，它们的最大值为 9223372036854775807）。我是完全扔掉 numpy 和 pandas 还是有办法将它们与 python 风格的任意大整数一起使用？性能下降我没问题。

【问题讨论】：

你可以看看这个post。他们讨论了关于 numpy 中最大数字表示的问题。您可以将其转换为对象以适应存储大值，但不能将其用于中间计算。

标签： python pandas numpy data-science scientific-computing

【解决方案1】：

默认情况下，numpy 将元素保留为数字数据类型。但是您可以强制输入对象，如下所示

import numpy as np
x = np.array([10,20,30,40], dtype=object)
x_exp2 = 1000**x
print(x_exp2)

输出是

[1000000000000000000000000000000
 1000000000000000000000000000000000000000000000000000000000000
 1000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000
 1000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000]

缺点是执行速度慢很多。

稍后编辑以显示 np.sum() 有效。当然可能会有一些限制。

import numpy as np
x = np.array([10,20,30,40], dtype=object)
x_exp2 = 1000**x

print(x_exp2)
print(np.sum(x_exp2))
print(np.prod(x_exp2))

输出是：

[1000000000000000000000000000000
 1000000000000000000000000000000000000000000000000000000000000
 1000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000
 1000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000]
1000000000000000000000000000001000000000000000000000000000001000000000000000000000000000001000000000000000000000000000000
1000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000

【讨论】：

谢谢，我明白了。但是，这样做我不会失去很多 numpy 的好处吗？似乎我现在无法访问 int 上可用的任何方法，例如 sum。我想这是合理的
@lapurita：它可能取决于 python/numpy 版本。我正在尝试 sum() 和 prod() 操作，它们似乎没问题。我将在答案中添加一个编辑