Linksverschiebung Inkonsistenz

Question

fragte ich eine Frage gestern, die schön answered by @jezrael

Dabei war er verwendet:

df = pd.DataFrame([[1, 0, 1], [1, 1, 0], [0, 1, 1], [0, 0, 1]]) 

print (df.T.dot(1 << np.arange(df.shape[0] - 1, -1, -1))) 

0 12 
1  6 
2 11 
dtype: int64 

Die 1 << np.arange(df.shape[0]) für df.shape[0] große Werke von weniger als 30, aber bläst danach auf. Dies ist auch unter Berücksichtigung eines Datentyps von int32 oder int64 verständlich. Es wird eine Grenze geben. Wenn ich jedoch nur eine <<int Operand Linksverschiebung ausführen, gibt es long zurück und behält die Genauigkeit bei. Wie erhalte ich numpy, um das gleiche Ergebnis wie bei der Verwendung von 1 << 60 zu erhalten?

Hier ist, was ich lief:

import numpy as np 



for n in range(0, 61, 10): 
    a = np.arange(n + 1, dtype=int) 

    pstr = "for n = {:<5d}; 1 << a[-1] = {:<12d}; 1 << n = {:<12d}" 
    print pstr.format(n, 1 << a[-1], 1 << n) 

for n = 0 ; 1 << a[-1] = 1   ; 1 << n = 1   
for n = 10 ; 1 << a[-1] = 1024  ; 1 << n = 1024   
for n = 20 ; 1 << a[-1] = 1048576  ; 1 << n = 1048576  
for n = 30 ; 1 << a[-1] = 1073741824 ; 1 << n = 1073741824 
for n = 40 ; 1 << a[-1] = 256   ; 1 << n = 1099511627776 
for n = 50 ; 1 << a[-1] = 262144  ; 1 << n = 1125899906842624 
for n = 60 ; 1 << a[-1] = 268435456 ; 1 << n = 1152921504606846976 

Answer 1

Sie haben Ihr Array von int32 zu einer Reihe von Python-Objekte zu konvertieren:

numbers = np.arange(100,dtype=int) 
longs = 1 << np.arange(100).astype(object)