默认整数类型np.int_为C long：
http://docs.scipy.org/doc/numpy-1.10.1/user/basics.types.html
但C长整型在win64中是int32。
https://msdn.microsoft.com/en-us/library/9c3yd98k.aspx
这是win64平台的一个奇怪之处。

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，请参见https://msdn.microsoft.com/en-us/library/9c3yd98k.aspx。）Numpy从C编译器的long int继承整数的默认大小。

原发帖人Prana问了一个很好的问题，“为什么整数默认设置为32位，在64位机器上？”
据我所知，简短的回答是：“因为它的设计是错误的”。看起来很明显，64位机器应该默认定义一个整数在任何相关的解释器为64位。但当然，这两个答案解释了为什么不是这样。事情现在不同了，所以我提供这个更新。
我注意到，对于CentOS-7.4 Linux和MacOS 10.10.5（新的和旧的），运行Python 2.7.14（Numpy 1.14.0），（截至2018年1月），默认整数现在被定义为64位。（初始示例中的“my_array.dtype”现在在两个平台上都报告“dtype（'int 64'）”。
在任何解释器中使用32位整数作为默认整数，如果你在做整数运算，会得到非常奇怪的结果，正如这个问题所指出的：
Using numpy to square value gives negative number
现在看来，Python和Numpy已经被更新和修订（有人可能会说，已经更正），因此，为了重现上面问题中所描述的问题，必须显式地将Numpy数组定义为int 32。
在Python中，现在在两个平台上，默认的整数都是int 64。下面的代码在两个平台（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

dtype('int64')

>>> print t_array ** 2

[ 1 4 2289813904]
但如果我们将t_array设为32位整数，则会得到以下结果，因为整数计算会滚动32位字中的符号位。

>>> t_array32 = np.asarray(tlist, dtype=np.int32)
>>> t_array32.dtype

dtype*('int32')

>>> print t_array32 ** 2

[ 1 4 -2005153392]
使用int 32的原因当然是为了提高效率，在某些情况下（例如使用TensorFlow或其他神经网络机器学习工具），您需要使用32位表示（当然大多数是浮点型），因为与使用64位浮点型相比，速度的提升可能非常显著。

您可以创建数据类型设置为int64的数组。例如，

#Windows uses int32 by default, but if we want int64, we can tell it to
x = np.array([1, 2, 3, 4, 5], dtype=np.int64)

您可以显式地将数组转换为所需的数据类型，如下所示：

int64_array = int32_array.astype(np.int64)