我昨天问了一个很漂亮的问题
在这篇文章中,他使用了:
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
1 << np.arange(df.shape[0])
在df.shape[0]
小于30的情况下效果很好,但在那之后就爆炸了。考虑到int32或int64的数据类型,这也是可以理解的。会有限制的。但是,当我用int
操作数执行左移<<
时,它返回long
并保持精度。如何使用numpy获得与使用1 << 60
时相同的结果?你知道吗
以下是我运行的内容:
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
必须将int32数组转换为python对象数组:
相关问题 更多 >
编程相关推荐