Question

只是为了好玩，因为它非常简单，我编写了一个简短的程序来生成Grafting numbers，但由于浮点精度问题，它没有找到一些更大的例子。

def isGrafting(a):
  for i in xrange(1, int(ceil(log10(a))) + 2):
    if a == floor((sqrt(a) * 10**(i-1)) % 10**int(ceil(log10(a)))):
      return 1

a = 0
while(1):
  if (isGrafting(a)):
    print "%d %.15f" % (a, sqrt(a))
  a += 1

此代码至少遗漏了一个已知的嫁接编号。 9999999998 => 99999.99998999999999949999999994999999999374999999912...在乘以10**5后似乎会降低额外的精确度。

>>> a = 9999999998
>>> sqrt(a)
99999.99999
>>> a == floor((sqrt(a) * 10**(5)) % 10**int(ceil(log10(a))))
False
>>> floor((sqrt(a) * 10**(5)) % 10**int(ceil(log10(a))))
9999999999.0
>>> print "%.15f" % sqrt(a)
99999.999989999996615
>>> print "%.15f" % (sqrt(a) * 10**5)
9999999999.000000000000000

所以我写了一个简短的C ++程序，看看是不是我的CPU以某种方式截断了浮点数或python。

#include <cstdio>
#include <cmath>
#include <stdint.h>

int main()
{
  uint64_t a = 9999999998;
  printf("%ld %.15f %.15f %.15f %.15f\n", a, sqrt((double)a), sqrt((double)a)*1e4, sqrt((double)a)*1e5, sqrt((double)a)*1e6);
  a = 999999999998;
  printf("%ld %.15f %.15f %.15f %.15f\n", a, sqrt((double)a), sqrt((double)a)*1e5, sqrt((double)a)*1e6, sqrt((double)a)*1e7);
  a = 99999999999998;
  printf("%ld %.15f %.15f %.15f %.15f\n", a, sqrt((double)a), sqrt((double)a)*1e6, sqrt((double)a)*1e7, sqrt((double)a)*1e8);
  return 0;
}

哪个输出：

9999999998 99999.999989999996615 999999999.899999976158142 9999999999.000000000000000 99999999990.000000000000000
999999999998 999999.999998999992386 99999999999.899993896484375 999999999999.000000000000000 9999999999990.000000000000000
99999999999998 9999999.999999899417162 9999999999999.900390625000000 99999999999999.000000000000000 999999999999990.000000000000000

所以看起来我正在努力克服浮点精度的限制，并且CPU正在切断剩余的位，因为它认为剩下的差异是浮点错误。有没有办法在Python下解决这个问题？或者我是否需要转移到C并使用GMP或什么？

Answer 1

在标准库中，decimal模块可能是您正在寻找的模块。另外，我发现mpmath非常有帮助。 documentation也有许多很好的例子（不幸的是我的办公室计算机没有安装mpmath;否则我会验证一些例子并发布它们。）

关于decimal模块的一个警告。该模块包含几个用于简单数学运算的内置函数（例如sqrt），但这些函数的结果可能并不总是与math中的相应函数或更高精度的其他模块匹配（尽管它们可能更准确）。例如，

from decimal import *
import math

getcontext().prec = 30
num = Decimal(1) / Decimal(7)

print("   math.sqrt: {0}".format(Decimal(math.sqrt(num))))
print("decimal.sqrt: {0}".format(num.sqrt()))

在Python 3.2.3中，这会输出前两行

   math.sqrt: 0.37796447300922719758631274089566431939601898193359375
decimal.sqrt: 0.377964473009227227214516536234
actual value: 0.3779644730092272272145165362341800608157513118689214

如上所述，并不完全符合您的预期，您可以看到精度越高，结果越匹配。请注意，decimal模块在此示例中确实具有更高的准确性，因为它与actual value更匹配。

Answer 2

对于这个特殊问题，decimal是一个很好的方法，因为它将十进制数字存储为元组！

>>> a = decimal.Decimal(9999999998)
>>> a.as_tuple()
DecimalTuple(sign=0, digits=(9, 9, 9, 9, 9, 9, 9, 9, 9, 8), exponent=0)

由于您正在寻找以十进制表示法自然表达的属性，因此使用二进制表示法有点愚蠢。您链接到的维基百科页面并未指出在“嫁接数字”开始之前可能出现多少“非嫁接数字”，因此您可以指定：

>>> def isGrafting(dec, max_offset=5):
...     dec_digits = dec.as_tuple().digits
...     sqrt_digits = dec.sqrt().as_tuple().digits
...     windows = [sqrt_digits[o:o + len(dec_digits)] for o in range(max_offset)]
...     return dec_digits in windows
... 
>>> isGrafting(decimal.Decimal(9999999998))
True
>>> isGrafting(decimal.Decimal(77))
True

我认为Decimal.sqrt()的结果很可能比math.sqrt()的结果更准确，因为二进制表示和十进制表示之间的转换。>>> num = decimal.Decimal(1) / decimal.Decimal(7) >>> decimal.Decimal(math.sqrt(num) ** 2) * 7 Decimal('0.9999999999999997501998194593') >>> decimal.Decimal(num.sqrt() ** 2) * 7 Decimal('1.000000000000000000000000000')的结果。请考虑以下内容，例如：

{{1}}

Answer 3

您可以尝试Decimal而不是浮点。

Answer 4

Python没有内置的任意精度浮点数，但有第三方Python包使用GMP：gmpy和PyGMP。

Answer 5

使用decimal，（这是一个更清晰的示例）：

>>> 2.3-2.2
0.09999999999999964
>>> from decimal import Decimal
>>> Decimal('2.3')-Decimal('2.2')
Decimal('0.1')
>>> float(Decimal('2.3')-Decimal('2.2'))
0.1
>>>

Python浮点任意精度可用吗？

5 个答案: