Python 对于非常小的浮点数，如何避免从exp（）得到结果0？

我试图从一个指数中得到精确的值，它得到一个非常小的浮点作为输入，结果是0

您可以使用以下代码重现该问题：

import numpy as np
from math import sqrt, log, exp, pi

k = np.array([[-746.9292399]])
z = exp(k)
print(z)

这个结果将是0，对于我的电脑，任何小于-743.0的结果都将是0

我已尝试使用mpmath解决此问题，如下所示：

import numpy as np
from math import sqrt, log, exp, pi
import mpmath as mp

k = np.array([[-746.9292399]])
z = mp.exp(float(k))
print(z)

det = np.linalg.det([[z,2,3],[2,2,z],[3,6,2]])
print(det)

这对exp（）给出了一个很好的答案，但是我还需要将结果放入一个numpy数组中，并从中提取行列式，这会在我附加的代码中抛出一个错误，因为numpy不喜欢数组中的mpf数

---

任何人都知道我如何从exp（）中得到结果，以便将其与numpy及其函数一起使用？

在我看来，exp（-745）的值是浮点所能容纳的最小值

注意

>>> exp(-744)
1e-323

浮点几乎完全向右移动。

---

我相信这是python浮点运算的极限。

好的，我已经做了大约30分钟了，我得到了这个

import decimal
pow(decimal.Decimal(math.exp(1)),decimal.Decimal(-748.9292399))

还有，检查一下这个

---

有一个小问题。我用windows calculator计算了您的问题，它给了我这个3.819636355e-325

这是

exp

和

log

函数的一个常见问题，因为输出很快就会消失为零。一个很好的观察结果是，在大多数科学计算中，您通常需要

expr（x）-1

，并且大多数实现都为此提供了自定义函数，以避免数值稳定性问题。所以，如果它适合你的用例，你应该明确地考虑<代码> ExpM1。类似的考虑也适用于

log

，因此我们有

log1p

，

expm1

，

log1exp

，

log1mexp

等。详情请参见此处：

是的，我想知道是否有办法克服此限制。我明白了。我不是专家或其他任何人，所以我可能在这种情况下没有用处，但我希望你能克服这个问题。我试图实现一个期望最大化算法的概率密度函数，我尝试过你的方法，但是最终的估计以前更准确（目前我只是做一个简单的if（x<-743）：x=-743，尝试使程序不抛出错误）@别名作为参考，数学上，

exp（-746.9292399）

‭4.0997…e-325‬. 的最小值为4.940656…E-324