Question

对于某些输入我得到两个不同的结果但不是其他输入。让我用具体的例子来解释。我有以下功能：

In [86]: def f(x, p):
    ...:     n = len(p)
    ...:     tot = 0
    ...:     for i in range(n):
    ...:         tot += p[i] * x**(n-i-1)
    ...:     return tot

p是一个值非常小的数组：

In [87]: p
Out[87]: 
array([ -3.93107522e-45,   9.17048746e-40,  -8.11593366e-35,
         3.05584286e-30,  -1.06065846e-26,  -3.03946945e-21,
         1.05944707e-16,  -1.56986924e-12,   1.07293061e-08,
        -3.22670121e-05,   1.12072912e-01])

现在考虑输出：

In [90]: [f(i, p) for i in range(11, 20)]
Out[90]: 
[0.11171927108787173,
 0.1116872502272328,
 0.1116552507123586,
 0.11162327253386167,
 0.11159131568235707,
 0.11155938014846242,
 0.1115274659227979,
 0.11149557299598616,
 0.11146370135865244]

In [88]: [f(i, p) for i in np.array(range(11, 20))]
Out[88]: 
[0.11171927108787173,
 0.1116872502272328,
 0.1116552507123586,
 0.11162327253386167,
 0.11159131568235707,
 0.11155938014846242,
 0.1115274659227979,
 0.11149557299598616,
 0.11146370135865244]

如您所见，这些输出与它们应该完全相同。唯一的区别是，在一种情况下，我使用range(a, b)，而在另一种情况下，我将该范围转换为numpy数组。

但是现在，让我们更改范围内的值：

In [91]: [f(i, p) for i in range(50001, 50010)]
Out[91]: 
[-0.011943965521167818,
 -0.011967640114171604,
 -0.011991315947644229,
 -0.012014993019120554,
 -0.012038671327427961,
 -0.012062350870605351,
 -0.012086031644648818,
 -0.012109713648648865,
 -0.012133396879791744]

In [92]: [f(i, p) for i in np.array(range(50001, 50010))]
Out[92]: 
[491.26519430165808,
 491.32457916465478,
 491.38395932037008,
 491.38726606180143,
 491.44663641006275,
 491.50600185375316,
 491.56536239249812,
 491.56864971072332,
 491.6280006336612]

他们甚至都没有接近！我错过了一些荒谬简单的东西吗？

Answer 1

你错过了普通的Python整数是任意精度的事实，而NumPy整数是固定大小的。

此：

x**(n-i-1)

溢出NumPy输入。

Answer 2

错误情况下function genlin(x1,y1,x2,y2) { var lin = new fabric.Line([x1,y1,x2,y2],{ strokeWidth: 5, stroke: 'rgba(100,200,200,0.5)', fill: 'black', selectable: false, hoverCursor: 'default' }); cnvs.add(lin); }; for (var y=23;y<500;y=y+50) genlin(22,y,668,y); for (var x=20;x<700;x=x+50) genlin(x,21,x,475);的{{1}}中的值为f(x, p)。他们可以溢出。在这种情况下，修复相对简单，将值转换为x：

numpy.int32

使用numpy数组时出现奇怪的结果

2 个答案: