python计算错误（奇怪！！）_Python_Numpy_Jupyter Notebook

python计算错误（奇怪！！）

python numpy jupyter-notebook

python计算错误（奇怪！！）,python,numpy,jupyter-notebook,Python,Numpy,Jupyter Notebook,当我试图在jupyter笔记本中进行一些计算时，我试图通过**或使用np.power将数组的幂提高到2，这两种方法都会给我带来糟糕的结果，正如您在所附图片中看到的，可能会出现什么问题？如果我在一个数字上运行-计算是正确的，但任何其他数组都是错误的。您的数组是uint-8类型，它是一个8位整数。计算很好-你看到的是溢出例如： np.uint8(20) * np.uint8(20) 输出： /usr/local/lib/python3.7/site-packages/ipykernel_l

当我试图在jupyter笔记本中进行一些计算时，我试图通过**或使用np.power将数组的幂提高到2，这两种方法都会给我带来糟糕的结果，正如您在所附图片中看到的，可能会出现什么问题？如果我在一个数字上运行-计算是正确的，但任何其他数组都是错误的。

您的数组是uint-8类型，它是一个8位整数。计算很好-你看到的是溢出

例如：

np.uint8(20) * np.uint8(20)

输出：

/usr/local/lib/python3.7/site-packages/ipykernel_launcher.py:1: RuntimeWarning:

overflow encountered in ubyte_scalars

144

数组的类型为uint-8，它是一个8位整数。计算很好-你看到的是溢出

例如：

np.uint8(20) * np.uint8(20)

输出：

/usr/local/lib/python3.7/site-packages/ipykernel_launcher.py:1: RuntimeWarning:

overflow encountered in ubyte_scalars

144

这是因为数组的数据类型是

uint8

，它只能存储8位数字，即0-255。在这之后，溢出发生，结果被包装起来，这将为您提供

x mod 256

作为

的表示。例如，

62*62=3844

但由于3844不能容纳在8位中，因此得到的结果是4，即

3844 mod 256

。因此，要获得正确的结果，您需要将数据类型更改为较长的数据类型，例如，

int

。试试这个：

image.astype(np.int)**2

如果有帮助，请告诉我。

这是因为数组的数据类型是

uint8

，它只能存储8位数字，即0-255。在这之后，溢出发生，结果被包装起来，这将为您提供

x mod 256

作为

的表示。例如，

62*62=3844

但由于3844不能容纳在8位中，因此得到的结果是4，即

3844 mod 256

。因此，要获得正确的结果，您需要将数据类型更改为较长的数据类型，例如，

int

。试试这个：

image.astype(np.int)**2

如果有帮助，请告诉我。

一点背景知识

当你说：

如果我在一个数字上运行-计算是正确的

您可能的意思是，您正在使用python内置的

int

类型。Python中的

int

是任意精度的，这意味着将分配尽可能多的存储字节，以便保存数据项而不会溢出

当您使用NumPy数组时，情况并非如此，因为它们被实现为一个值序列，存储在相邻的内存中，并且在内存中以规则的间隔排列——您无法使其中一个值需要更多的字节，因为它没有“增长”的空间。因此，每个NumPy数组都有一个关联的数据类型，在创建数组时使用该数据类型，并且其中的所有值都有此数据类型

使用NumPy数组执行操作时，输出数据类型的长度基于输入中的数据类型。由于数组

image

是数据类型

np.uint8

，（并且

是一个可以存储在

np.uint8

中的值），因此操作

image**2

的结果也是数据类型

np.uint8

，因此值会溢出，因为它们超过了2^8

如果您这样做：

image.astype(np.uint16) ** 2

这将使用数据类型为

np.uint16

的输入数据的临时副本进行操作，因此输出的数据类型为

np.uint16

，这将足以存储您需要的精度。

一点背景信息