当你的数字大于sys.maxsize时，你会得到这个错误：

>>> p = [sys.maxsize]
>>> preds[0] = p
>>> p = [sys.maxsize+1]
>>> preds[0] = p
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
OverflowError: Python int too large to convert to C long

您可以通过检查确认：

>>> import sys
>>> sys.maxsize
2147483647

要获得更高精度的数字，不要传递一个int类型，它在幕后使用一个有界的C整数。使用默认的浮点数：

>>> preds = np.zeros((1, 3))

您可以使用dtype=np.int64而不是dtype=int

有人能解释一下原因吗
Numpy数组通常 * 具有固定大小的元素，包括各种大小的整数，单精度或双精度浮点数，固定长度字节和Unicode字符串以及由上述类型构建的结构。
在Python 2中，python“int”相当于C long。在Python 3中，“int”是一种任意精度类型，但numpy在创建数组时仍然使用“int”来表示C类型“long”。
C long的大小取决于平台。在Windows上，它总是32位。在类Unix系统上，它通常在32位系统上是32位，在64位系统上是64位。
还是给予Windows上的代码一个解决方案？非常感谢！
选择大小与平台无关的数据类型。你可以在www.example.com找到这个列表https://docs.scipy.org/doc/numpy/reference/arrays.scalars.html#arrays-scalars-built-in，最明智的选择可能是np.int64

• Numpy确实允许Python对象的数组，但我不认为它们被广泛使用。

转换为float：

import pandas as pd

df = pd.DataFrame()
l_var_l = [8258255190131389999999000003296, 50661]
df['temp'] = l_var_l
df['temp'] = df['temp'].astype(int)

以上失败，错误：

OverflowError: Python int too large to convert to C long.

现在尝试使用float转换：

df['temp'] = df['temp'].astype(float)

我在尝试将对象类型列（实际上是字符串）转换为整数类型时也遇到了同样的错误。
这不起作用：

df['var1'] = df['var1'].astype(int)

这样做奏效了：

df['var1'] = df['var1'].apply(lambda x: int(x))