关键是1 << 63不能用int64类型表示，但-(1 << 63)可以。这是一个病态的情况，来自于有符号整数如何以二进制（C2 representation）表示。
一方面，Numpy将subtrahend（1 << 63）转换为uint64值，因为int64太小，无法保存该值。
另一方面，-subtrahend是由CPython计算的，因此它会产生一个包含-(1 << 63)的纯Python整数。然后Numpy将该值转换为int64值（因为此类型足够大，可以容纳该值）。
Numpy只在内部对相同类型的数组进行操作。涉及不同类型的二进制操作会导致数组提升（从C语言继承而来，主要是因为Numpy是用C编写的）：Numpy转换输入数组的类型，因此目标二进制操作是有意义的，也是安全的（没有溢出，以在病态情况下可能损失精度为代价）。
在这种情况下，当执行减法时，Numpy选择将最终数组存储在float64数组中，因为对uint64和int64数组进行二进制操作可能会导致溢出（无符号整数太大，无法存储在有符号整数中，负有符号整数无法表示为无符号整数）。当执行加法时，两个数组/值是相同类型的（即int64），因此不需要任何提升，结果数组的类型为int64。
下面是一个方法来看看：

>>> np.int64(1 << 63)
---------------------------------------------------------------------------
OverflowError                             Traceback (most recent call last)
Cell In [7], line 1
----> 1 np.int64(1 << 63)

OverflowError: Python int too large to convert to C long

>>> np.int64(-(1 << 63))
-9223372036854775808

>>> np.array(subtrahend).dtype
dtype('uint64')

# Numpy first convert both to float64 arrays to avoid overflows in this specific case due to mixed uint64+int64 integer types
>>> (np.array(subtrahend) + minuend).dtype
dtype('float64')

>>> np.array(-subtrahend).dtype
dtype('int64')

字符串