有没有理由在Python中避免使用acos？

我正在用Python重写一个旧的Fortran 77程序。分散在代码中，有很多这样的语句：

HPI=1.570791
V=HPI-DASIN(COS_V)
SIN_V=DSQRT(1.D0-COS_V**2)

这里使用了两个不同的三角公式（和）。其目的似乎是不惜一切代价避免使用ACO，可能是为了保持精度或速度

在Python中，我所有的浮点都有双精度。如果我能使用

math.acos

，我会发现代码更具可读性：

v = math.acos(cos_v)
sin_v = math.sin(v)

---

有什么理由不这样做吗？

当你说你的浮动具有双精度时，你是什么意思？您使用的是标准的Python浮动吗？我相信标准的Python浮动是双倍的。请参见此处：。Python数学函数返回浮点值。这样的话就好了。“今天（2000年11月）几乎所有的机器都使用IEEE-754浮点算法，几乎所有的平台都将Python浮点映射到IEEE-754“双精度”。754双精度包含53位精度”–我可以看到一个参数，用于使用

math.sqrt（1-cos_v**2）

计算

sinu v

，但是如果你需要

v

本身的值，你必须使用反三角函数。我不明白为什么Fortran代码更喜欢使用acos的读取。除非acos不是发明出来的。或者他们想确保得到的

v

的值在某个特定范围内。上面的公式与第一个链接中给出的标识不匹配-角度

v

的正确表达式是

HPI-DASIN（COS_v）

（无

/2

）。它可能被用于不同的目的（或者仅仅是错误的变量命名）？展示一个更完整的应用代码片段。几乎可以肯定，这是一段非常古老的代码，最初用于某个早已不存在的架构，在该架构上sqrt比acos更快。现在，用显而易见的方式编写代码。