Skip to main content
 首页 » 编程设计

python之复数的 Numpy 小数点精度

2024年12月31日9zengkefu

考虑以下 Python 代码,它在 Python 中对复数执行一些简单的算术运算:

import numpy as np 
 
s = 2 
l = 5 
v = np.array([np.exp(1j*2*np.pi/l)]) 
A = pow(s*v, l) + s*v 
 
#Print the precision of np.complex128 
print np.finfo(np.complex128).precision 
 
#Export using 20 decimal places for real and imaginary parts 
np.savetxt('A.csv', A, fmt=['%.20e%+.20ej'], delimiter=',') 

我看到了这个answer为了在 Python 中打印 np.complex128 变量的精度,我得到的是 15。当我在 Spyder 中检查 A 的值时,我看到 (32.61803398874989+1.9021130325903035j) 虚部小数点后15位以上。此外,导出的 CSV 文件的值为 3.26180339887498931262e+01+1.90211303259030350965e+00j 其实部和虚部都有 20 个 有用 小数位。

我在这里很困惑:如果精度是 15,那些多余的小数位是多少?根据here , np.complex128 由两个 64 位 float 组成,一个为实部,一个为虚部。

但我的主要问题是,我在程序中对复数执行许多此类运算(例如加法、乘法和矩阵求逆),每次运行时我都会得到不同的结果,有时是正确的,有时是错误的。看来我的程序对这些操作的准确性非常敏感。如何在 Python 中量化复数的精度?我可以达到的最大值是多少?

我正在使用 Python 2.7.14 和 Numpy 1.14.3。

请您参考如下方法:

完整的答案会占用很多空间。对于初学者,您需要阅读一本关于数值分析的书,该书解释了二进制浮点类型的工作和存储方式。但这里有一些部分解释。

64 位浮点值以二进制形式存储,而不是十进制形式。因此,关于十进制数字的大部分内容必须是近似值,而不是完整的故事。

当 np.finfo(np.complex128).precision(或其他任何内容)表示有 15 位有效小数位时,这意味着您不能指望超过这 15 位数字。这是一个示例,取 self 的 IPython 控制台。

In [4]: 9.000000000000001 
Out[4]: 9.000000000000002 
 
In [5]: 9.000000000000001 == 9.000000000000002 
Out[5]: True 

Python 默认对任何带小数点的数字使用 64 位浮点类型,将这两个 16 位小数视为相同。当您使用数字 9.000000000000001 时,只有前 15 个十进制数字可以保证正确存储。之后的任何内容都无法保证,您会看到在这种情况下 1 基本上更改为 2。

有时您可以获得超过这 15 位十进制数字。例如,由于数字以二进制形式存储,因此略大于 1.0 的数字将在 radix point 之后有更多的二进制数字。而不是像 9.0 这样的数字。这是因为9使用了4位二进制数,而1只使用了1位,所以小数点后可以再使用3位二进制数。那么让我们看看你的数字的虚部,1.9021130325903035:

In [17]: 1.902113032590303 == 1.9021130325903035 
Out[17]: False 
 
In [18]: 1.9021130325903036 == 1.9021130325903035 
Out[18]: True 
 
In [19]: 1.902113032590304 == 1.9021130325903035 
Out[19]: False 

我们看到,虽然数字显示 17 位十进制数字,但当我们将最后一位数字从 5 更改为 6 时,Python 看不到任何变化。但是,如果我们将该数字向上或向下舍入为 16 位十进制数字,则会发生变化。所以我们可以说该数字存储为 16 位十进制数字甚至更多。这就是为什么当我解释精度时,我说 float 保证有 15 位有效小数位,但它可能有 16 位,而实际精度略高于此。更简单地说,有 15 位或 16 位有效小数位。

Python 有两种打印 float 的基本方法:str 函数和repr 函数。 str 函数打印内容很简单,因此用户无需深入了解细节即可理解结果。 repr 函数给出了更多的细节,并尝试打印如此多的细节,以至于存储的数据可以完全由打印的内容决定。请注意,在某些情况下,repr 的使用是不可见的,例如在控制台中键入数值,或者如您所见,在 Spyder 中使用变量资源管理器。

当 Spyder 或 Python 对您的号码 1.9021130325903035 执行 repr 时,它会提供足够的数字来完整定义号码。正如我们在上面看到的,如果它只显示 16 位十进制数字,去掉最后的 5,结果将与存储的略有不同。因此 Python 会打印一个额外的数字,这样您就可以知道该值是多少。如果 Python 打印最后的 6 而不是 5,则值会相同,但如果 Python 完全省略该数字,则值将被更改。因此,通过 repr 的 Python 会在给出太多数字方面出错。尽管打印了 17 位数字,但其中只有 16 位是确定的。

最后,由于 np.savetxt 命令中的 %.20e 说明符,您的 csv 文件显示 20 位十进制数字,因为您告诉 Python 显示 20 位十进制数字。这 20 位十进制数字并不都是“有用 小数位”,不管你写了什么。只有前 16 或 17 个在虚部中有用,具体取决于您如何定义“有用”。 Python 基本上是将二进制位(全为零)添加到存储值中,并将其打印为 20 位十进制数字。但是那些零二进制位没有存储在值中。