默认情况下，^{}给你一个float64，它溢出并给你inf。
但是如果您传递exact=True，它会给您一个Python变量大小int，它不会溢出(除非您的内存太大而耗尽)。
而且，虽然不能在int上使用np.log2，但是可以使用Python的math.log2。
所以：math.log2(scipy.misc.comb(5000, 2000, exact=True))
作为一种选择，你认为n选择k被定义为n!k / k!，对吗？您可以将其减少到∏(i=1...k)((n+1-i)/i)，这是很容易计算的。
或者，如果您想避免溢出，可以通过交替使用* (n-i)和{}来实现。
当然，您也可以将其简化为加减日志。我认为在Python中循环并计算4000个对数将比在C中循环和计算4000个乘法慢，但是我们可以始终将其矢量化，然后，它可能会更快。让我们编写并测试：
^{pr2}$当然，如果你更关心的是记忆而不是时间…那么，这显然会让事情变得更糟。我们有2000个8字节的浮点值，而不是一次一个608字节的整数。如果你增加到100000，20000，你得到20000个8字节的浮点，而不是一个9K整数。在1000000，200000时，它是200000个8字节浮点值，而不是一个720K整数。
我不知道为什么这两种方式对你来说都是个问题。尤其是考虑到您使用的是listcomp而不是genexpr，因此创建一个包含5000、100000或1000000个Python float-24MB的不必要列表不是问题，但是720K是问题吗？但如果是这样的话，我们显然可以迭代地做同样的事情，但要付出一定的速度：r = sum(math.log2(n-i) - math.log2(k-i) for i in range(n-k))
这并不比scipy解决方案慢得多，而且它使用的字节数永远不会超过一个小的常量(一些Python浮点数)。(除非您使用的是Python2，在这种情况下……只需使用xrange而不是{}并返回常量。)
作为旁注，为什么您使用列表理解而不是带有矢量化操作的NumPy数组(为了速度和紧凑性)，或者使用生成器表达式而不是列表理解(根本不占用内存，不需要速度代价)？
