我一直在使用一些使用Python的mpmath库进行高精度计算的函数。但是，现在我需要将mpmath格式的mpf计算结果转换为numpy的{{1}}（当然，精度/数字的损失）。
如果要转换的数字所需的位数少于Python double所能处理的位数，则显而易见的转换有效：
longdouble提供输出：
x = mp.mpmathify("1e-300")
float(x)
np.longdouble(x)
现在，如果要转换的数字需要的位数比标准Python double所能处理的更多，但少于系统的long double所能处理的位数，则可以预期In [1]: x = mp.mpmathify("1e-300")
In [2]: float(x)
Out[2]: 1e-300
In [3]: np.longdouble(x)
Out[3]: 1.00000000000000002506e-300
将返回零，但是float(x)将存储np.longdouble(x)对象的实际转换版本。但是，这不会发生：
mpf如果使用In [4]: x = mp.mpmathify("1e-3000")
In [5]: x
Out[5]: mpf('1.000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000001e-3000')
In [6]: float(x)
Out[6]: 0.0
In [7]: np.longdouble(x)
Out[7]: 0.0
而不是np.float128(x)，也会发生同样的情况。另外，如果我尝试将np.longdouble(x)值存储在long double类型的numpy数组中，也会发生同样的情况：
mpf我的问题：
（1）为什么会这样？我的印象是，当我们告诉numpy转换为long double或float128时，它首先转换为double或float64，从而失去了精确度-然后破坏了目标。
（2）我该如何做以上打算，即将In [8]: arr = np.empty((1, 1), dtype=np.longdouble)
In [9]: arr[0, 0] = x
In [10]: arr[0, 0]
Out[10]: 0.0
生成的数字转换为numpy长的double或float128，而当该数字适合一个整数时不折叠为零。长双倍还是float128？
如果您想知道，这是我系统中最低的正长双倍数：
mpmath