用小数(即小数,即有理数)取幂的负 numpy.float64 将产生 nan 结果和警告。
使用 Python 的 float 类型的相同数字返回一个 complex 结果。
这是一个使用 Python 3.6.6 的最小示例(有关 Python 2.7.15 的评论,请参见下文):
>>> import numpy as np
>>> f = -2.0
>>> npf = np.float64(-2.0)
>>> f**1.1
(-2.0386342710747223-0.6623924280875919j)
>>> npf ** 1.1
__main__:1: RuntimeWarning: invalid value encountered in double_scalars
nan
我尝试了 numpy.power 函数得到了不同的警告和相同的结果。
>>> np.power(f, 1.1)
__main__:1: RuntimeWarning: invalid value encountered in power
nan
>>> np.power(npf, 1.1)
nan
后者的警告仅在先执行的内容之后出现。
我使用 numpy.array 的 float 遇到了这个问题,在所有其他情况下(?)它的行为与 Python float 相同。从 float 到 numpy.float64 的转换是隐式发生的,所以我花了一段时间才找到问题的根源。
现在,我可以通过在将数组创建为 numpy.complex 时显式转换或指定 dtype 来解决这个问题:
>>> npc = np.complex(-2.0)
>>> npc ** 1.1
(-2.0386342710747223-0.6623924280875919j)
>>> np.power(npc, 1.1)
(-2.0386342710747223-0.66239242808759191j)
(注意输出 O_o 的不同精度,不过我可以接受)
我的问题是: 为什么??为什么 numpy 在必要时不返回 numpy.complex。它确实转换为numpy.float64,例如,分割numpy.int64:
>>> ai = np.array([1])
>>> ai.dtype
dtype('int64')
>>> ai/2
array([ 0.5])
>>> (ai/2).dtype
dtype('float64')
当 numpy.float64 无法表达计算结果时,为什么不应用相同的哲学,而是使用 numpy.complex64 呢?
对 Python 2.7.15 的评论:在这个版本中,用小数对 float 求幂会抛出异常,显式使用 complex 解决问题:
>>> f ** 1.1
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: negative number cannot be raised to a fractional power
>>> complex(-2.0) ** 1.1
(-2.0386342710747223-0.6623924280875919j)
这等同于 numpy 的行为。
请您参考如下方法:
可能 numpy 开发人员只是没有想到涵盖这种情况。您可以在 Github 上提出问题.否则,您将只需要显式地进行 complex 转换。最好提出问题,以便 numpy 开发人员可以处理它。
