Zahlen (V)

3.5.4. Zahlen (V)#

Behauptung

In Python muss ich mich nicht darum kümmern, wie groß meine Zahlen sind: 10 oder 100000000000. Das macht keinen Unterschied.

Diese Aussage ist in vielen Fällen richtig – und sie erklärt, warum Python sich oft „komfortabel“ anfühlt.

Denn grundsätzlich gilt in der Informatik: Zahlen müssen als Bits gespeichert werden. Wenn die Bitbreite fest ist (z.B. 32‑Bit oder 64‑Bit), ist auch der Wertebereich fest – und es kann zu Überlauf kommen.

3.5.4.1. Überlauf#

Was bedeutet Überlauf? Stellen Sie sich vor, Sie speichern eine Zahl mit nur 4 Bits. Dann können Sie nur Werte von 0000 (0) bis 1111 (15) darstellen. Wenn Sie bei 1111 (15) noch 1 addieren, passt das Ergebnis nicht mehr in 4 Bits. Bei vielen Systemen passiert dann ein Wrap‑around: Es „springt“ zurück auf 0000.

0000 (0)
0001 (1)
0010 (2)
0011 (3)
...
1110 (14)
1111 (15)

1111 (15) + 0001 (1) = 1 0000 (16)
                 ^ der linke Übertrag passt nicht mehr in 4 Bits → Ergebnis: 0000

Python löst das für ganze Zahlen elegant: Eine Ganzzahl (int) kann (praktisch) beliebig groß werden, weil die Python‑Implementierung intern bei Bedarf mehr Speicher reserviert.

3.5.4.2. Arbitrary‑Precision Integer Arithmetic#

Warum das geht: Python nutzt Arbitrary‑Precision Integer Arithmetic (Ganzzahlen mit variabler Länge). Praktisch heißt das: Der Wert wird intern in „Ziffernblöcken“ gespeichert, und wenn die Zahl wächst, werden einfach mehr Blöcke verwendet. Das ist sehr komfortabel, denn Sie müssen sich nicht um einen Überlauf kümmern.

3.5.4.3. Falls Sie Ihre Daten sehr, sehr, sehr gut kennen#

Wenn Sie eine Bitbreite bewusst vorgeben wollen, passiert das in Python typischerweise über spezialisierte Bibliotheken (z.B. numpy) oder über Schnittstellen zu C/C++.

Beispiel mit numpy (feste Bitbreite + Überlauf):

import numpy as np

# feste Bitbreite: 32-bit signed integer
info = np.iinfo(np.int32)
print("int32 range:", info.min, "bis", info.max)

x = np.int32(info.max)
print("x:", x)
print("x+1:", x + np.int32(1))  # Überlauf / Wrap-around
print("x+2:", x + np.int32(2))

# Speicherbedarf ist dann ebenfalls fest pro Wert:
a = np.array([1, 2, 3], dtype=np.int32)
print("dtype:", a.dtype, "nbytes:", a.nbytes)

int32 range: -2147483648 bis 2147483647
x: 2147483647
x+1: -2147483648
x+2: -2147483647
dtype: int32 nbytes: 12

/tmp/ipykernel_567/2062227267.py:9: RuntimeWarning: overflow encountered in scalar add
  print("x+1:", x + np.int32(1))  # Überlauf / Wrap-around
/tmp/ipykernel_567/2062227267.py:10: RuntimeWarning: overflow encountered in scalar add
  print("x+2:", x + np.int32(2))

Achtung

Wenn Sie z.B. in numpy einen Datentyp wie int32 vorgeben, arbeiten Sie mit einem festen Wertebereich. Ergebnisse außerhalb dieses Bereichs können zu Überlauf führen (z.B. Wrap‑around statt Fehlermeldung). Prüfen Sie deshalb Wertebereiche und Grenzfälle gezielt.

Klarstellung

  • int ist in Python (praktisch) beliebig groß (dynamischer Speicher), float hat typischerweise endliche Präzision.

  • Wenn Sie feste Bitbreiten nutzen (z.B. numpy.int32), müssen Sie Wertebereich und Überlauf aktiv im Blick behalten.

Inhalt