我正在学习使用 Numpy，我想查看数字列表求和的速度差异，所以我编写了以下代码：
np_array = numpy.arange(1000000)
start = time.time()
sum_ = np_array.sum()
print time.time() - start, sum_
>>> 0.0 1783293664
python_list = range(1000000)
start = time.time()
sum_ = sum(python_list)
print time.time() - start, sum_
>>> 0.390000104904 499999500000
python_list 总和是正确的。
如果我对总和为 1000 执行相同的代码，则两者都会打印正确的答案。Numpy 数组的长度是否有上限，还是与 Numpy sum 函数有关？
谢谢你的帮助
当数字大于 32 位 int 时，标准列表切换到使用 long 类型进行算术运算。
numpy 数组没有切换到 long，并且遭受整数溢出。速度的代价是允许的值范围更小。
>>> 499999500000 % 2**32
1783293664L
Numpy 正在创建一个 32 位无符号整数数组。当它对它们求和时，它将它们求和成一个 32 位的值。
if 499999500000L % (2**32) == 1783293664L:
print "Overflowed a 32-bit integer"
您可以在数组创建时显式选择数据类型：
a = numpy.arange(1000000, dtype=numpy.uint64)
a.sum() -> 499999500000
请注意，499999500000 % 2**32恰好等于 1783293664 ... 即，numpy 正在执行模 2**32 的运算，因为这是您告诉它使用的 numpy.array 的类型。
例如， Make np_array = numpy.arange(1000000, dtype=numpy.uint64)，你的总和就会出来（当然仍然有限制，任何有限大小的数字类型）。
您可以dtype=numpy.object用来告诉 numpy 该数组包含通用 Python 对象；当然，随着通用性的增加，性能会下降。