Skip to main content
 首页 » 编程设计

python之精度损失 numpy之mpmath

2024年11月01日9TianFang

我在我的 Python 程序中使用 numpy 和 mpmath。我使用 numpy,因为它允许轻松访问许多线性代数运算。但是因为 numpy 的线性方程求解器不是那么精确,所以我使用 mpmath 进行更精确的运算。在我计算出系统的解决方案之后:

solution = mpmath.lu_solve(A,b) 

我想要一个数组形式的解决方案。所以我用

array = np.zeros(m) 

然后循环设置值:

for i in range(m): 
    array[i] = solution[i] 

或

for i in range(m): 
    array.put([i],solution[i]) 

但是通过这两种方式我都会再次遇到数值不稳定性,例如:

solution[0] = 12.375 
array[0] = 12.37500000000000177636 

有没有办法避免这些错误?

请您参考如下方法:

numpy ndarrays 具有同类类型。当你创建 array 时,默认的 dtype 将是某种类型的 float ,它没有你想要的精度:

>>> array = np.zeros(3) 
>>> array 
array([ 0.,  0.,  0.]) 
>>> array.dtype 
dtype('float64') 

您可以使用 dtype=object 来解决这个问题:

>>> mp.mp.prec = 65 
>>> mp.mpf("12.37500000000000177636") 
mpf('12.37500000000000177636') 
>>> array = np.zeros(3, dtype=object) 
>>> array[0] = 12.375 
>>> array[1] = mp.mpf("12.37500000000000177636") 
>>> array 
array([12.375, mpf('12.37500000000000177636'), 0], dtype=object) 

但请注意,执行此操作会严重影响性能。