Python 规范化向量生成Numpy中的nan

我从scipy/numpy那里得到一些奇怪的行为，我怀疑这是一个bug，但有人可能知道得更清楚？我有一对长数组，为了调试的目的，我把它们分解成2-4的帧。我想标准化每一对帧，然后取点积。执行此操作的代码（带有一些调试输出）是：

这是我在一段时间内所期望的（特别是tf和pf的标准值为1），但随后我开始看到这样的线条：

OPF：

[-91-119-137-132]

PF:

[楠楠]

什么？？这可以在新的Python窗口中正常化：

>>> p = [ -91, -119, -137, -132] 
>>> p / norm(p)
array([-0.37580532, -0.49143773, -0.56577285, -0.54512421])

为了实现它的价值，我尝试了

numpy.linalg.norm

，

scipy.linalg.norm

，并定义了一个函数来返回点积的平方根

有什么想法吗

更新： 谢谢你的建议！我试着将数据类型切换到float128，但遗憾的是，我得到了类似的行为。实际上，我倾向于认为这是Python中的一个bug，而不是numpy中的bug：

如果这是一个直接的溢出问题，那么我似乎会得到一个给定列表的一致性。但是如果我在一个新的python会话中这样做的话，norm的计算结果会很好

我试着自己滚：

def norm(v):
   return (  sum(numpy.array(v)*numpy.array(v)))**(0.5)

def norm(v):
  sum = float(0)
  for i in range(len(v)):
    sum += v[i]**2
  return sum**(0.5)

这仅使用numpy表示数组。我仍然会遇到同样的问题，但稍后会出现在数据集中（并且没有运行时警告）。它正在进行大约37000次这样的计算

我实际上在计算两个框架的范数，一个t_框架和一个p_框架。一个扼流圈的计算当且仅当另一个扼流圈的计算发生时

总而言之，我认为Python（2.7.9）的内部存在一些奇怪的缓冲区溢出？？？我最终需要这些计算也要快；所以我想换成Cython来进行计算

更新2： 我真的试着自己滚：

def norm(v):
   return (  sum(numpy.array(v)*numpy.array(v)))**(0.5)

def norm(v):
  sum = float(0)
  for i in range(len(v)):
    sum += v[i]**2
  return sum**(0.5)

---

问题消失了。所以我猜这是numpy中的一个bug（Gentoo Linux上的1.9.0）。

看起来这是numpy中的一个bug。如果数组的数据类型为

np.int16

，我可以重现该问题：

In [1]: np.__version__
Out[1]: '1.9.2'

In [2]: x = np.array([ -91, -119, -137, -132], dtype=np.int16)

In [3]: x
Out[3]: array([ -91, -119, -137, -132], dtype=int16)

In [4]: np.linalg.norm(x)
/Users/warren/anaconda/lib/python2.7/site-packages/numpy/linalg/linalg.py:2061: RuntimeWarning: invalid value encountered in sqrt
  return sqrt(sqnorm)
Out[4]: nan

这个问题也发生在numpy开发版本的主分支中。我在这里创建了一个问题：

如果

p_frame

实际上是一个16位整数数组，那么简单的解决方法如下：

x = np.asarray(p_frame, dtype=np.float64)
pf = x / norm(x)

---

看起来这是numpy中的一个bug。如果数组的数据类型为

np.int16

，我可以重现该问题：

In [1]: np.__version__
Out[1]: '1.9.2'

In [2]: x = np.array([ -91, -119, -137, -132], dtype=np.int16)

In [3]: x
Out[3]: array([ -91, -119, -137, -132], dtype=int16)

In [4]: np.linalg.norm(x)
/Users/warren/anaconda/lib/python2.7/site-packages/numpy/linalg/linalg.py:2061: RuntimeWarning: invalid value encountered in sqrt
  return sqrt(sqnorm)
Out[4]: nan

这个问题也发生在numpy开发版本的主分支中。我在这里创建了一个问题：

如果

p_frame

实际上是一个16位整数数组，那么简单的解决方法如下：

x = np.asarray(p_frame, dtype=np.float64)
pf = x / norm(x)

---

根据沃伦的一个链接，我得到了以下警告：

In [1016]: np.linalg.norm(100000*np.ones(2).astype('int16'))
/usr/local/lib/python2.7/site-packages/numpy/linalg/linalg.py:2051: RuntimeWarning: invalid value encountered in sqrt
  return sqrt(add.reduce((x.conj() * x).real, axis=None))

对于这个

x2

，内部表达式是负数——这是小数据类型溢出的结果

In [1040]: x2=100000*np.ones(2).astype('int16')
In [1041]: np.add.reduce((x2.conj()*x2).real,axis=None)
Out[1041]: -1474836480

类似地，对于

x1

：

In [1042]: x1
Out[1042]: array([ -9100, -11900, -13700, -13200], dtype=int16)
In [1043]: np.add.reduce((x1.conj()*x1).real,axis=None)
Out[1043]: -66128

如果“点”的总和对于

dtype

来说太大，它可能是负数，在通过

sqrt

时产生

nan

---

（我在linux下使用的是1.8.2和1.9.0）。

以下是Warren的一个链接，我收到了以下警告：

In [1016]: np.linalg.norm(100000*np.ones(2).astype('int16'))
/usr/local/lib/python2.7/site-packages/numpy/linalg/linalg.py:2051: RuntimeWarning: invalid value encountered in sqrt
  return sqrt(add.reduce((x.conj() * x).real, axis=None))

对于这个

x2

，内部表达式是负数——这是小数据类型溢出的结果

In [1040]: x2=100000*np.ones(2).astype('int16')
In [1041]: np.add.reduce((x2.conj()*x2).real,axis=None)
Out[1041]: -1474836480

类似地，对于

x1

：

In [1042]: x1
Out[1042]: array([ -9100, -11900, -13700, -13200], dtype=int16)
In [1043]: np.add.reduce((x1.conj()*x1).real,axis=None)
Out[1043]: -66128

如果“点”的总和对于

dtype

来说太大，它可能是负数，在通过

sqrt

时产生

nan

（我在linux下使用1.8.2和1.9.0）