python3中的int类型占64位_在windows1064位计算机中，默
认情况下，nu。。。
最初的海报Prana问了⼀个⾮常好的问题。”为什么在64位计算机上，整数默认设置为32位？”在
据我所知，简短的回答是：“因为它的设计是错误的”。
显然，64位机器应该在任何相关的解释器中默认定义⼀个64位的整数。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。在
我注意到，对于CentOS-7.4linux和macos10.10.5(新的和旧的)，运⾏python2.7.14(使⽤Numpy 1.14.0)(截⾄2018年1⽉)，默认整数现在定义为64位。(“我的_数组.dtype在最初的⽰例中，现在将在两个平台上报告“dtype('int64')”。在
在任何解释器中使⽤32位整数作为默认整数，如果您正在进⾏整数运算，结果可能⾮常不精确，正如这个问题所指出的：
现在看来Python和Numpy已经被更新和修改(有⼈可能会争辩说，为了复制上述问题中所描述的问题)，您必须显式地将Numpy数组定义为int32。在
在Python中，现在在两个平台上，默认整数看起来是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)
python 定义数组>>> t_array.dtype
dtype('int64')
^{pr2}$
[ 1 4 2289813904]
但是如果我们将t_数组设为32位整数，则会得到以下结果，因为整数计算在32位字中的符号位上滚动。在>>> 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位表⽰法(当然，主要是浮点运算)，因为与使⽤64位浮点运算相⽐，速度提⾼可能⾮常显著。在

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。