如何设置numpy浮点精度？

我只是用两种方法计算了相同的数字，但在numpy中，它会出错

[[ 0.910221324013388510820732335560023784637451171875]]
[[-0.9102213240133882887761274105287156999111175537109375]]

该数字在e^（-15）之前相同，但之后不同。如何处理此错误

有没有办法限制浮点精度

---

由于我使用这些数字计算指数，即使是很小的差异也会导致令人沮丧的错误…

您可以使用

math.ceil

例如，您有：

a = 8.869705968794857
import math
print(math.ceil(a*1e10)/1e10)

这将返回

8.8697059688

，即最多10位小数位的值。将

1e10

更改为

1e15

或相应的任何其他值

在您的情况下，它将是：

a =  0.910221324013388510820732335560023784637451171875
a = math.ceil((a*1e15)/1e15)

---

这将为您提供

a=0.91022132401389

您关心结果的实际精度，还是关心从两次计算中获得完全相同的数字

如果只需要相同的数字，可以使用将结果四舍五入到适当的小数位数。但是，这样做只会降低结果的精度

如果您确实想更精确地计算结果，可以尝试为输入数组使用

np.longdouble

类型，这可能会为您提供80位或128位浮点表示，而不是标准的64位

np.double

*

您可以使用以下方法比较精度的小数位数：

请注意，并非所有numpy函数都支持长双精度-有些函数会将其向下转换为双精度

---

---

*但是，一些编译器（如Microsoft Visual C++）总是将

long double

视为

double

的同义词，在这种情况下

np.longduble

和

np.double
之间的精度没有差别。在正常的numpy使用中，数字是双精度的。
这意味着精度将小于16位。
这是一个已经解决的问题

如果需要提高精度，可以使用。
这是一个安静的好图书馆。
优点是可以使用无限精度。
然而，计算比numpy所能做的要慢

以下是一个例子：

# The library mpmath is a good solution
>>> import sympy as smp
>>> import mpmath as mp

>>> mp.mp.dps = 50  # Computation precision is 50 digits
# Notice that the difference between x and y is in the digit before last (47th)
>>> x = smp.mpmath.mpf("0.910221324013388510820732335560023784637451171875")
>>> y = smp.mpmath.mpf("0.910221324013388510820732335560023784637451171865")
>>> x - y  # Must be equal to 1e-47 as the difference is on the 47th digit
mpf('1.000014916280995001003481719184726944958705912691304e-47')

你用numpy做得再好不过了。
你可以更精确地计算指数

>>> smp.exp(x).evalf(20)
2.4848724344693696167


请注意，对于0.7.6之后的Symphy版本，mpmath不再与Symphy打包，而是一个依赖项。这意味着在较新的Symphy版本中，
symphy.mpmath
函数已移动到
mpmath
可以发布代码吗？数组的数据类型是什么？输出的位数太多了。由于仅打印数字不会显示python打印函数的任何差异，因此我添加了np.set_printoptions（精度=70）OP希望计算更精确的结果，而不是隐藏不精确性。如果“
numpy.longdouble
指的是C编译器调用的任何类型
longdouble
”正如您的链接中所述，不幸的是，对于某些C编译器，它不会比
double
（例如Visual Studio）更精确。不过，回答这个问题需要+1。我不知道有哪个主流平台会有128位浮点类型。OSX将
np.longdouble
报告为
numpy.float128
，但它是谎言——它是相同的旧80位x87扩展精度类型，填充了6个零字节。（类似地，32位Linux通常报告与
numpy.float96
相同的类型）
>>> smp.exp(x).evalf(20)
2.4848724344693696167