Python numpy arange值正在意外更改符号

我正在教我的EF一点关于

numpy

的知识，我已经把我的一些旧的本科课本掸掉，作为例子。因此，我编写了一个不带

numpy

的函数来计算悬臂梁在任何点上由于单点荷载而产生的挠度。非常直截了当，只是挠度方程会根据点力的哪一侧而变化，所以我将把梁分成两个范围，计算范围内每个间隔处的挠度值，并将结果附加到列表中。这是密码

def deflection(l, P, a, E, I):
    """
    Calculate the deflection of a cantilever beam due to a simple point load.

    Calculates the deflection at equal one inch intervals along the beam and
    returns the deflection as a list along with the the length range.

    Parameters
    ----------
    l : float
        beam length (in)
    P : float
        Point Force (lbs)
    a : float
        distance from fixed end to force (in)
    E : float
        modulus of elasticity (psi)
    I : float
        moment of inertia (in**4)

    Returns
    -------
    list
        x : distance along beam (in)

    list of floats
        y : deflection of beam (in)

    Raises
    ------
    ValueError
        If a < 0 or a > l (denoting force location is off the beam)
    """
    if (a < 0) or (a > l):
        raise ValueError('force location is off beam')

    x1 = range(0, a)
    x2 = range(a, l + 1)
    deflects = []
    for x in x1:
        y = (3 * a - x) * (P * x**2) / (6 * E * I)
        deflects.append(y)
    for x in x2:
        y = (3 * x - a) * (P * a**2) / (6 * E * I)
        deflects.append(y)
    return list(x1) + list(x2), deflects

如果您运行绘图，您将看到在

x1

中的点

x=93

处，曲线中有一个错位，该值似乎改变了符号。
有人能解释发生了什么事吗？b）我做错了什么？

尝试使用numpy.arange（…，dtype=numpy.double）或使用astype（np.double）强制转换结果

---

这两者之间可能有一些微妙的差别——类似于带浮点数的for循环，我认为astype是一个更好的habbit。我打赌这与一些人建议的溢出无关，而与默认的

dtype

for

np.arange

有关。如果传入一个整数start、stop和step to

arange

，则输出将是一个整数数组

在Python2.x中，

/

操作符使用整数除法

---

例如：

import numpy as np

print np.arange(10) / 3

结果：

[0 0 0 1 1 1 2 2 2 3]

---

但是,

np.arange(10, dtype=float) / 3

或

或

都会导致

[ 0.          0.33333333  0.66666667  1.          1.33333333  1.66666667
  2.          2.33333333  2.66666667  3.        ]

---

如果希望

/

运算符始终将结果向上转换为浮点值，则可以使用

from\uuuuuu future\uuuuuu.import division

---

另一种选择是了解阵列的数据类型。Numpy允许您对数据在内存中的存储方式进行非常低级的控制。这在实践中非常非常有用，但一开始可能有点令人惊讶。然而，上行规则非常简单，值得注意。基本上，每当在一个操作中使用两种类型时，如果它们相同，则会保留该类型。否则，将使用两者中更一般的一种

小心溢出。您所说的浮动参数实际上是整数，Python整数与NumPy整数具有非常不同的溢出行为。@user2357112:您说得对！我将输入标注更改为

l，P，a，E，I=120.00，1200.00，100.00，30000000.00，926.00

（这也意味着我必须在非numpy范围定义中将

a

和

l

转换为整数），错位已修复。@user2357112，保护numpy函数不受此溢出影响的正确/首选方法是什么？显然，如果用户可以输入

100

vs

100.0

，他们会这样做。当输入进入函数时，我是否重铸输入？或者我是否将

dtype

更改为

int64

或其他什么？我可能会在函数中使用浮点常量而不是int，为arange指定适当的数据类型，并将输入转换为带有

l，P，a，E，I=map（float，[l，P，a，E，I]）

@dbliss Python使用“无限”int类型，而numpy使用非常特定的位类型。因此，Python int溢出要困难得多，并且在将Python int转换为numpy int时相对容易出错（而不是相反）。实际上，如果将浮点标量和int ndarray混合在一起，输出总是一个浮点。Numpy类型并不比内置类型更“粘”。Numpy故意遵循python在这方面的相同约定，它只是有更多的数字类型（例如，

uint8

，

float16

，等等）。@JoeKington你是对的，我可以发誓我在2008年左右就被它咬过。注意Python3标签。在Python3上尝试OP的代码会产生OP描述的结果；使用Python2除法规则进行尝试会产生非常不同的输出。@user2357112，您是对的。给出的结果来自Python 3.4。

np.arange(10, dtype=float) / 3

np.arange(10.0) / 3

np.arange(10) / 3.0

[ 0.          0.33333333  0.66666667  1.          1.33333333  1.66666667
  2.          2.33333333  2.66666667  3.        ]