Python 为什么numpy.arange（）和range（）生成的相同数字的（复杂）函数不同？ 可复制设置

比奈公式如下所示：

让我们用python定义此函数：

# necessary imports
import numpy as np
import matplotlib.pyplot as plt

对于

phi

值，我使用了

---

什么有效 让我们计算

n=[0.1,0.2,0.3,0.4,0.5，…，4.9,5.0]的
binet（n）
：

def binet(n):
    phi = (1 + 5 ** 0.5) / 2
    return ((phi**n) - (-1/phi)**n) / (5**0.5)

让我们来描绘它：

[binet(x/10) for x in range(1,51)]


看起来不错，阿格里斯和我们的数学知识


什么不起作用
基于上述情况，我相信这也会起作用：

# our results
plt.plot([n.real for n in binetn],[n.imag for n in binetn])
# classic fibonacci numbers
plt.scatter([1,1,3,5],[0,0,0,0],c='r')

然而，事实并非如此<代码>binetn

变为：

binetn=[binet(x) for x in np.arange(0.1,5.1,0.1)]

即它是

nan

除非

binet（n）

是实的

它还发出警告：

/usr/local/lib/python3.6/dist-packages/ipykernel_-launcher.py:2： RuntimeWarning:在双\u标量中遇到无效值

---

问题:

---

为什么我可以循环通过

range（）

&生成的数字列表来获得复杂的结果，而我不能对

np.arange（）

执行同样的操作？副本集中在

np.arange

上。但这不是问题所在

比较向

binet

传递浮点值与向

np.float64

传递浮点值：

[nan,nan,nan,nan,nan,nan,nan,nan,nan,1.0,...,nan,nan,5.000000000000001]

或者这些迭代：

In [52]: binet(0.1)                                                                                  
Out[52]: (0.06391735396852471-0.13170388861716523j)
In [53]: binet(np.float64(0.1))                                                                      
/usr/local/bin/ipython3:3: RuntimeWarning: invalid value encountered in double_scalars
  # -*- coding: utf-8 -*-
Out[53]: nan

进一步挖掘，它似乎与

复杂的
有关。如果
numpy
参数复杂，则计算正常：

In [54]: [binet(float(x)) for x in np.arange(0.1, 5.1, 0.1)];                                        
In [55]: [binet(x) for x in np.arange(0.1, 5.1, 0.1).tolist()];                                      
In [56]: [binet(x) for x in np.arange(0.1, 5.1, 0.1)];                                               
/usr/local/bin/ipython3:3: RuntimeWarning: invalid value encountered in double_scalars
  # -*- coding: utf-8 -*-

事实上，我们不需要迭代。一个复杂的数组工作得很好：

In [58]: binet(np.complex(.1))                                                                       
Out[58]: (0.06391735396852471-0.13170388861716523j)
In [59]: [binet(x) for x in np.arange(0.1, 5.1, 0.1).astype(complex)]; 

比较
[范围（1,51）内x的打印（x/10）]
与
[np.arange（0.1,5.1,0.1）中x的打印（x）]
。你很快就会明白为什么。不确定这是什么原因，一些浮虫。谢谢！这些都是有用的。
In [60]: x = np.arange(0.1, 5.1, 0.1).astype(complex)                                                
In [61]: binet(x)                                                                                    
Out[61]: 
array([0.06391735-1.31703889e-01j, 0.16378803-2.38746028e-01j,
       0.28913834-3.13167258e-01j, 0.42813892-3.50853867e-01j,
       0.56886448-3.51577584e-01j, 0.70044744-3.18660871e-01j,
       0.81402504-2.58333837e-01j, 0.9034083 -1.78872498e-01j,
       ...
       4.32034432-3.76903988e-02j, 4.54051382-2.60971457e-02j,
       4.76690299-1.30754885e-02j, 5.        +0.00000000e+00j])