NumPy 1.20+ 中 np.int、np.float、np.bool 报 AttributeError 是因官方主动弃用这些易混淆的内置类型别名，仅保留带下划线的明确类型如 np.int_、np.float64、np.bool_，以提升可移植性与类型安全性。
为什么 np.int、np.float、np.bool 会报 AttributeError
这些名字在 NumPy 1.20+ 中被正式移除，不是 bug，是故意废弃。它们曾是 Python 内置类型（int、float、bool）的别名，但容易引发类型混淆和跨平台问题。现在官方只保留带下划线的明确别名：np.int_、np.float64、np.bool_。
常见错误现象包括：
AttributeError: module 'numpy' has no attribute 'int'AttributeError: module 'numpy' has no attribute 'float'AttributeError: module 'numpy' has no attribute 'bool'
不要试图降级 NumPy 来“修复”——旧版本有安全缺陷，且新项目迟早要适配。
所有已废弃类型与对应现代写法对照表
直接替换即可，无需改逻辑。注意：带下划线的才是当前稳定 API。
立即学习“Python免费学习笔记（深入）”；
-
np.int→np.int_（等价于np.int64在大多数平台） -
np.float→np.float64（不推荐用np.float_，它语义模糊，官方文档明确建议用np.float64） -
np.bool→np.bool_ -
np.long→np.int64（long在 Python 3 已合并进int，NumPy 不再提供该别名） -
np.object→np.object_（注意结尾下划线，不是object）
示例：
import numpy as np # ❌ 报错 x = np.array([1, 2, 3], dtype=np.int) # ✅ 正确 x = np.array([1, 2, 3], dtype=np.int_)
如何快速定位代码中所有废弃用法
别靠肉眼搜 np.int —— 它可能藏在字符串、注释或拼接变量里。用工具精准扫描：
- 运行
grep -r "np\.int\|np\.float\|np\.bool\|np\.long\|np\.object" --include="*.py" ./your_project/（Linux/macOS） - 在 VS Code 中用正则搜索：
np\.(int|float|bool|long|object)(?!\_)，能避开已带下划线的合法写法 - 启用
numpy.VisibleDeprecationWarning：在脚本开头加import warnings; warnings.filterwarnings("error", category=FutureWarning, module="numpy")，让废弃调用直接抛异常，暴露隐藏调用点
升级 NumPy 后仍报错的三个隐蔽原因
即使你确认代码全改了，还报错，大概率是以下情况之一：
- 某个第三方库（如老版本
scikit-learn、matplotlib或私有包）内部硬编码了np.int，需查其 issue 页面或升级该库 - 你的项目里有文件命名为
numpy.py或array.py，导致 Python 导入了本地文件而非真正的numpy模块 - conda 环境混用了 pip 和 conda 安装的 NumPy，执行
conda list numpy和pip show numpy对比路径与版本，不一致就用conda install numpy统一管理
最易被忽略的是：np.int_ 和 np.int64 虽常等价，但在 Windows 上 np.int_ 是 32 位，np.int64 才是 64 位——如果代码依赖确定位宽，必须显式写 np.int64，不能无脑替换下划线。
