我想在Fibonacci问题中使用NumPy
,因为它在矩阵乘法中有效。您知道有一种方法可以使用矩阵[[1, 1], [1, 0]]
来查找斐波纳契数。
我写了一些非常简单的代码,但在增加n
之后,矩阵开始给出负数。
import numpy
def fib(n):
return (numpy.matrix("1 1; 1 0")**n).item(1)
print fib(90)
# Gives -1581614984
这可能是什么原因?
注意: linalg.matrix_power
也会给出负值。
注意2:我尝试了从0到100的数字。它在47之后开始给出负值。这是一个大整数问题,因为NumPy是用C编码的吗?如果是这样,我怎么能解决这个问题?
修改:使用常规python list
矩阵和linalg.matrix_power
也会产生负面结果。另外,让我补充一点,47之后并非所有结果都是负数,它是随机发生的。
Edit2:我尝试使用@ AlbertoGarcia-Raboso建议的方法。它解决了负数问题,但是出现了另一个问题。它的答案为-5.168070885485832e+19
,我需要-51680708854858323072L
。所以我尝试使用int()
,将其转换为L
,但现在看来答案是错误的,因为精度会降低。
答案 0 :(得分:7)
您看到负值出现的原因是因为NumPy默认使用了np.int32
dtype作为矩阵。
这个dtype可以表示的最大正整数是2 31 -1,即2147483647.不幸的是,这比第47个Fibonacci数字2971215073少。产生的溢出导致负数出现:
>>> np.int32(2971215073)
-1323752223
使用更大的整数类型(如np.int64
)可以解决这个问题,但只能暂时解决:如果你不断要求更大和更大的斐波那契数字,你仍会遇到问题。
唯一可靠的解决方法是使用无限大小的整数类型,例如Python的int
类型。为此,请将矩阵修改为np.object
类型:
def fib_2(n):
return (np.matrix("1 1; 1 0", dtype=np.object)**n).item(1)
np.object
类型允许矩阵或数组保存任何本机Python类型的混合。从本质上讲,矩阵现在的行为类似于Python列表,而不仅仅是持有机器类型,而是简单地包含指向内存中整数对象的指针。现在,Python整数将用于计算Fibonacci数,溢出不是问题。
>>> fib_2(300)
222232244629420445529739893461909967206666939096499764990979600
这种灵活性是以降低性能为代价的:NumPy的速度源于整数/浮点类型的直接存储,可由您的硬件操纵。