我已经开始使用numpy和连接UMFPACK的pysparse包，但是numpy的浮点结果存在问题。顺便说一句，这是一个结构问题的lanczos特征值求解器。
当我在MATLAB中进行相同的操作时，得到的结果不同，结果大约为1e-6,1e-8，并且用MATLAB表示，我得到了正确的特征值。 NumPy和PySparse结果也不是那么远，至少在订单级别上，然而使用它们创建一个三对角矩阵，在其上找到特征值是问题的根源。我无法理解出现了什么问题，问题是浮点表示，但如果可能的话如何解决？我尝试使用'Float64'作为我的数据类型，但这不会对问题的结果进行更改。如
q = ones(n, dtype = 'Float64')
另外，python最成熟的稀疏包是什么，提供了什么样的接口，如果有的话？如上所述，PySparse对我来说似乎很好......
答案 0 :(得分：2)
float64是Numpy中的默认数据类型。您可以尝试使用float128来获得更高的精度，但要注意某些功能（基本上是Windows上的所有功能）都会将其强制转换为float64。
我建议使用scipy.sparse来解决稀疏的特征向量问题。我已经尝试过PySparse和scipy.sparse，我会得出结论，尽管PySparse更容易使用，但scipy.sparse更加成熟。
以下是稀疏线性代数文档：http://docs.scipy.org/doc/scipy/reference/sparse.linalg.html