precision损失numpy的 - mpmath [英] Precision loss numpy - mpmath

问题描述

我使用numpy的和mpmath在我的Python PROGRAMM。我使用numpy的，因为它允许一个容易获得许多线性代数运算。但由于numpy的对线性方程组的求解是不是准确，我用mpmath更多precision操作。之后，我计算系统的解决方案：

 解决方案= mpmath.lu_solve（A，B）
 

我想该解决方案作为一个数组。所以我用

  =阵列np.zeros（M）
 

，然后做一个循环设置值：

 为我在范围内（米）：
    数组[我] =解决方案[I]
 

或

 为我在范围内（米）：
    array.put（[Ⅰ]，溶液[I]）
 

但有两种方式，我得到再次数值不稳定性，如：

 解决方案[0] = 12.375
数组[0] = 12.37500000000000177636
 

有没有办法来避免这些错误？

解决方案

numpy的 ndarrays有均匀型。当您阵列，默认 DTYPE 会有一些float类型，它不拥有尽可能多的precision你想要的：

 ＆GT;＆GT;＆GT;阵= np.zeros（3）
＆GT;＆GT;＆GT;排列
阵列（[0，0，0]）
＆GT;＆GT;＆GT; array.dtype
DTYPE（'float64'）
 

您可以使用 DTYPE =对象解决这个问题

 ＆GT;＆GT;＆GT; mp.mp. preC = 65
＆GT;＆GT;＆GT; mp.mpf（12.37500000000000177636）
强积金（'12 0.37500000000000177636'）
＆GT;＆GT;＆GT;阵列= np.zeros（3 DTYPE =对象）
＆GT;＆GT;＆GT;数组[0] = 12.375
＆GT;＆GT;＆GT;阵列[1] = mp.mpf（12.37500000000000177636）
＆GT;＆GT;＆GT;排列
阵列（[12.375，MPF（'12 0.37500000000000177636'），0]，DTYPE =对象）
 

但请注意，有一个显著的性能损失，当你做到这一点。

I use numpy and mpmath in my Python programm. I use numpy, because it allows an easy access to many linear algebra operations. But because numpy's solver for linear equations is not that exact, i use mpmath for more precision operations. After i compute the solution of a System:

solution = mpmath.lu_solve(A,b)

i want the solution as an array. So i use

array = np.zeros(m)

and then do a loop for setting the values:

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

or

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

but with both ways i get again numerical instabilities like:

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

Is there a way to avoid these errors?

解决方案

numpy ndarrays have homogeneous type. When you make array, the default dtype will be some type of float, which doesn't have as much precision as you want:

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

You can get around this by using dtype=object:

>>> 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)

but note that there's a significant performance hit when you do this.

这篇关于precision损失numpy的 - mpmath的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！