我在笔记本电脑上安装了Anaconda 3 64位，并在Spyder中编写了以下代码：
import numpy.distutils.system_info as sysinfo
import numpy as np
import platform
sysinfo.platform_bits
platform.architecture()
my_array = np.array([0,1,2,3])
my_array.dtype
这些命令的输出显示以下内容：
sysinfo.platform_bits
Out[31]: 64
platform.architecture()
Out[32]: ('64bit', 'WindowsPE')
my_array = np.array([0,1,2,3])
my_array.dtype
Out[33]: dtype('int32')
我的问题是，即使我的系统是64位，为什么默认数组类型是int32而不是int64？
感谢任何帮助。
默认整数类型np。int_是C长：
http://docs.scipy.org/doc/numpy-1.10.1/user/basics.types.html
但是C long在win64中是int32。
https://msdn.microsoft.com/en-us/library/9c3yd98k.aspx
这是win64平台的一种怪异。
在Microsoft C中，即使在64位系统上，long int数据类型的大小也是32位。（例如，请参阅https://msdn.microsoft.com/en-us/library/9c3yd98k.aspx.）Numpy从C编译器的long int继承了整数的默认大小。
最初的发帖人Prana问了一个非常好的问题。“为什么在64位机器上，整数默认设置为32位？”
据我所知，简短的答案是：“因为它设计错误”。似乎很明显，64位机器应该默认将任何相关解释器中的整数定义为64位。但当然，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。
我注意到，对于运行Python2.7.14（Numpy 1.14.0）的CentOS-7.4Linux和MacOS 10.10.5（新老版本）（截至2018年1月），默认整数现在定义为64位。（初始示例中的my_array. dtype现在将在两个平台上报告dtype（'int64'）。
如果您正在进行整数数学，则在任何解释器中使用32位整数作为默认整数可能会导致非常奇怪的结果，正如这个问题所指出的：
使用numpy对平方值给出负数
现在看来，Python和Numpy已经更新和修订（有人可能会争辩说已经更正），因此为了复制上面问题中描述的遇到的问题，您必须将Numpy数组显式定义为int32。
Python，现在在两个平台上，默认整数看起来都是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)
>>> t_array.dtype
d type（'in t 64'）
>>> print t_array ** 2
[ 1 4 2289813904]
但是如果我们将t_array一个32位整数，则会得到以下结果，因为整数计算会滚动到32位字中的符号位。
>>> t_array32 = np.asarray(tlist, dtype=np.int32)
>>> t_array32.dtype
d type*（'in t 32'）
>>> 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（当然主要是浮点数），因为与使用64位浮点数相比，速度提升可能相当显著。
