为什么对 numpy.float64 求幂返回 nan？

Question

当我将负数提高numpy.float64到指数时，我收到一个nan. 为什么不支持复杂的数学？唯一的解决方法是强制转换float吗？>>> from numpy import float64, power>>> r = float64(-12025.433836763057)>>> p = 0.74>>> r**pnan>>> power(r, p)__main__:1: RuntimeWarning: invalid value encountered in powernan>>> float(r)**p(-715.6124638577838+762.049873596874j)>>> 建议的副本有一个类似的问题，答案说明这是numpy. 这是路的尽头吗？

Answer 1

在幕后，python 将 float(r)**p 转换为返回“复杂”类型。

numpy power 函数旨在与 numpy array_like 结构一起使用，其中所有项目的大小相同并存储在连续的内存块中，其返回类型是从其参数推断出来的。

如果您期望复数，最好的方法是使用 complex64 或 complex128 类型。这些需要更多内存，因为每个复杂类型都由实部和虚部组成。所以 complex64 将由两个 float32 数字组成，complex128 将由两个 float64 数字组成。

>>> import numpy as np

>>> r = np.complex128(-12025.433836763057)

>>> p = 0.74

>>> np.power(r, p)

(-715.6124638577835+762.0498735968736j)

您也可以直接在幂函数中进行转换：

>>> import numpy as np

>>> r = np.float64(-12025.433836763057)

>>> p = 0.74

>>> np.power(r.astype(np.complex128), p)

(-715.6124638577835+762.0498735968736j)

但最简单的方法可能是仅更改幂函数的返回类型以期望一个复数：

>>> import numpy as np

>>> r = np.float64(-12025.433836763057)

>>> p = 0.74

>>> np.power(r, p, dtype=np.complex128)

(-715.6124638577835+762.0498735968736j)

有趣的是，numpy 通常允许将类型从 float64 转换为 complex，只要它们保持相同的精度水平。但是，即使 cast='same_kind' kwarg 被覆盖，它似乎也不允许隐式转换任何 ufunc 函数返回类型。

>>> np.can_cast(np.float64, complex)

True

>>> np.can_cast(np.float64, np.complex64)

False  

>>> np.can_cast(np.float64, np.complex128)

True

根据文档，如果将标量参数传递给 ufunc（而不是数组），它会使用 np.result_type 和 np.promote_types 中的逻辑来确定 ufunc 的返回类型。

https://docs.scipy.org/doc/numpy/reference/ufuncs.html

https://docs.scipy.org/doc/numpy/reference/generated/numpy.result_type.html#numpy.result_type

>>> np.result_type(r, p)

dtype('float64')

Answer 2

这numpy.float64可能在引擎盖下由强类型的 C 语言数据结构表示。pythonfloat是pythonic，因此可以很好地处理python 提供的复数处理。

请参阅：https ://docs.scipy.org/doc/numpy/reference/c-api.dtype.html