python中的数值精度

我一直在用python做一些简单的数值实验，比如计算 阶乘。例如，计算32的阶乘：

我的日常工作：

2.6313083693369503e+35

从scipy.misc：

2.6313083693369355e+35

我想指出，我的例程计算阶乘的对数， 它计算从1到32的对数总和（在本例中） 然后我只使用exp函数（我这样做是因为从 Fortran 90）

令人惊讶的是，正确的答案是

263130836933693530167218012160000000

根据pari/gp

如果有人能指出我可以寻找的参考资料，我会非常高兴 在Python中更正数字答案。文档是可以的，但只有在需要的时候

---

“短”数字。

log

和

exp

函数在精度有限的浮点上运行。另一方面，Python的整数可以具有任意精度。所以，你可以用整数计算线性空间中32的阶乘

f = 1
for i in xrange(32):
    f *= i + 1
print f  # prints '263130836933693530167218012160000000'

---

您可以这样做：

import operator
n=32
print reduce(operator.__mul__,range(1,n+1))
# 263130836933693530167218012160000000

---

如果您能提供您的日常工作代码，我们将不胜感激。我不确定您在寻找什么。您使用

float

precision重新实现了

math.factorial

，然后通过移入和移出日志空间来丢弃更高的精度，并在最后导致了几个数字的错误。Python与此无关，在fortran中使用双精度也会遇到同样的问题。如果您处理整数，Python会给您大整数，因此您可以强制精确计算阶乘。好的，很高兴知道这一点。使用浮点数的原因是一个数字的阶乘增长非常快，这就是为什么有时候用浮点数来计算它会更好。像我过去所经历的那样，用整数进行运算可能太幼稚了。@user2820579您必须决定：精度还是速度。你不能两者都有。浮动很快，因为它们的精度有限。正如@Hyperboreus所说，这是一种折衷。它将适合我的精度，因为我正在进行数值计算。另外：由于Gamma函数和阶乘函数对于中等大小的参数增长如此之快，因此许多计算环境中都包含一个函数，该函数返回Gamma函数的自然对数[。这就是为什么我尝试使用日志。。。