创建数组时 dtype = np.int 和 int 的区别
Difference between dtype = np.int and int when creating array
我对整数类型之间的区别感到困惑。
例如，这里有一个 numpy.array，dtype 为 np.int。
>>> arr_ = np.array([1,2], dtype = np.int)
通过下面的代码，表示true即int与np.int相同：
>>> int is np.int
Out[1]: True
但是，当我 select 使用 np.int 的 dtype 创建的数组的第一个值时，下面的代码输出 false.
>>> type(arr_[0]) is int
Out[2]: False
为什么代码输出的是false，而不是true？
dtype = np.int 似乎没有应用于 arr_。
为什么 np.int 没有作为数据类型应用于数组？
我调查了 this，但找不到我需要的东西。
在 Python 中，类型 int、np.int32 和 np.int64 是 3 种不同的类型：
int 是原生的 Python 多精度整数类型，能够表示任何整数值（唯一的限制是可用内存）。例如 2**128 是一个有效的 int 值 np.int32 在int32_t C 整数类型中，最多可以使用 32 位来表示值，即介于 -2147483648 和 2147483647 之间的值np.int64 是 int64_t C 整数类型，最多可以使用 64 位来表示值，即介于 -9223372036854775808 和 9223372036854775807
而 np.int 是本机 Python int 类型的（已弃用的别名），int is np.int 的原因是正确的。但是即使 dtype=int 的 numpy 整数数组也会收到 np.int32 或 np.int64 的实际类型，因为它们必须由 C 代码处理，因此它们必须被强制转换为固定大小的整数类型。如果你真的需要存储真实的 int 值，你将不得不使用 dtype=object 但操作将不再是向量化的。
我对整数类型之间的区别感到困惑。
例如，这里有一个 numpy.array，dtype 为 np.int。
>>> arr_ = np.array([1,2], dtype = np.int)
通过下面的代码，表示true即int与np.int相同：
>>> int is np.int
Out[1]: True
但是，当我 select 使用 np.int 的 dtype 创建的数组的第一个值时，下面的代码输出 false.
>>> type(arr_[0]) is int
Out[2]: False
为什么代码输出的是false，而不是true？
dtype = np.int 似乎没有应用于 arr_。
为什么 np.int 没有作为数据类型应用于数组？
我调查了 this，但找不到我需要的东西。
在 Python 中，类型 int、np.int32 和 np.int64 是 3 种不同的类型：
int是原生的 Python 多精度整数类型，能够表示任何整数值（唯一的限制是可用内存）。例如2**128是一个有效的int值np.int32在int32_tC 整数类型中，最多可以使用 32 位来表示值，即介于 -2147483648 和 2147483647 之间的值np.int64是int64_tC 整数类型，最多可以使用 64 位来表示值，即介于 -9223372036854775808 和 9223372036854775807 之间的值
而 np.int 是本机 Python int 类型的（已弃用的别名），int is np.int 的原因是正确的。但是即使 dtype=int 的 numpy 整数数组也会收到 np.int32 或 np.int64 的实际类型，因为它们必须由 C 代码处理，因此它们必须被强制转换为固定大小的整数类型。如果你真的需要存储真实的 int 值，你将不得不使用 dtype=object 但操作将不再是向量化的。